Modeling Computations in a Semantic Network
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
语义网络研究已经看到了复苏,从它的早期历史,在认知科学与语义网倡议的开始。语义网的努力带来了一系列技术,支持编码,存储和查询的语义网络数据结构在世界舞台上。目前,流行的语义Web的概念是一种数据建模介质,其中真实的和概念的实体在语义上有意义的方式相关。然而,新的模型已经出现,明确编码的语义网络基板内的程序信息。随着这些新技术的出现,语义Web已经从数据建模媒介发展成为计算媒介。本文对现有的计算建模工作进行了分类,并对支持技术的需求进行了分析,这些技术将有助于这一新兴领域的进一步发展。
2007-05-31 cs.AI
Between collective intelligence and semantic web : hypermediating sites. Contribution to technologies of intelligence
Paul-Valéry University(保罗·瓦莱里大学);LERASS-Céric
在本文中,我们提出了一种新的形式,通过我们所谓的“超中介网站”获取知识。这些超中介网站是介于信息设备和“真正的”超文本写作格式之间的媒介,信息设备只是扫描书籍文化。
2018-01-08 cs.AI cs.IT math.IT
DejAIvu: Identifying and Explaining AI Art on the Web in Real-Time with Saliency Maps
Florida International University(佛罗里达国际大学)
DejAIvu 是一个 Chrome 扩展,通过浏览器内 ONNX 模型实时检测 AI 生成图像,并叠加显著性热力图解释检测依据,在多个基准上实现了高准确率和低延迟。
2025-05-08 cs.AI cs.CV cs.LG
Evaluation of Semantic Web Technologies for Storing Computable Definitions of Electronic Health Records Phenotyping Algorithms
Institute of Health Informatics, University College London(伦敦大学学院健康信息学研究所);Farr Institute of Health Informatics Research, University College London(伦敦大学学院法尔健康信息学研究所)
电子健康记录是在常规患者护理期间或作为其副产品生成的电子数据。结构化、半结构化和非结构化EHR为研究人员提供了前所未有的表型广度和深度,并有可能加速大规模精准医学方法的发展。EHR的一个主要用例是定义识别疾病状态、发作和严重程度的表型算法。表型分析算法利用诊断、处方、实验室测试、症状和其他元素来识别具有或不具有特定特征的患者。不存在用于存储表型分型算法的通用标准化、结构化、可计算格式。大多数算法存储为人类可读的描述性文本文档,由于其固有的复杂性,将其翻译为代码具有挑战性,并阻碍了其在社区中的共享和重用。在本文中,我们评估的两个关键的语义Web技术,Web本体语言和资源描述框架,使可计算表示的EHR驱动的表型分析算法。
2017-07-24 cs.AI cs.SE
Unveiling the link between logical fallacies and web persuasion
University of Turin(都灵大学)
在过去的十年中,人机交互(HCI)已经开始关注说服性交互的形式,其中计算机技术的目标是根据预定义的方向改变用户的行为和态度。在这项工作中,我们假设逻辑谬误(逻辑上无效但认知上有效的推理形式)和网络技术中采用的一些常见说服策略之间存在密切联系。为了实证评估我们的假设,我们对150个电子商务网站进行了试点研究。
2013-05-09 cs.AI cs.HC
QuLBIT: Quantum-Like Bayesian Inference Technologies for Cognition and Decision
Queensland University of Technology(昆士兰科技大学);Bilkent University(比尔肯特大学)
本文提供了一个统一的认知决策框架(QulBIT)的基础,这是来自量子理论。这个框架的主要优点是,它可以满足矛盾和非理性的人类决策。虽然量子认知方法已经证明了优于经典概率方法和有限理性模型的优势,但它们仍然缺乏解释力。为了解决这个问题,我们引入了一个新的解释性分析的决策者的信念空间。这是通过利用量子干涉效应作为量化和解释决策者的不确定性的一种方式来实现的。我们详细介绍了统一框架的主要模块,解释性分析方法,并说明了它们在违反确定性原则的情况下的应用。
2021-06-28 cs.AI
Enhancing Automated Decision Support across Medical and Oral Health Domains with Semantic Web Technologies
University of New South Wales(新南威尔士大学)
研究表明,个人的一般健康和口腔健康密切相关。因此,隔离医学和口腔健康领域的信息库的当前实践可能是危险的并且对个体的健康有害。然而,技术问题,如异构数据汇集和存储格式,有限的共享病人信息和缺乏决策支持的共享信息是目前的事态的主要原因。为了解决这些问题,下面的研究探讨了跨领域本体和规则的开发和应用,以建立一个基于证据的和可重用的知识库,包括两个领域的相互依赖的条件。通过Protege中知识库的示例实现,我们证明了我们的方法在推理和跨域患者信息提供决策支持方面的有效性。
2014-03-30 cs.AI cs.IR
Semantic Web Environments for Multi-Agent Systems: Enabling agents to use Web of Things via semantic web
Université Jean Monnet - Saint Étienne(圣艾蒂安让·莫内大学);Univ. Lyon(里昂大学);MINES Saint-Étienne(圣艾蒂安国立高等矿业学院);CNRS Lab Hubert Curien(法国国家科学研究中心休伯特·居里安实验室)
Web无处不在,越来越多地充斥着相互关联的数据、服务、人员和对象。语义网技术(SWT)促进了数据格式的统一性以及规范的模块化和重用(例如,本体),通过允许它们包括和引用由其他本体提供的信息。在这样的背景下,多代理系统(MAS)技术是开发分散和开放的Web应用程序的正确抽象,其中代理发现,推理和对Web资源采取行动,并相互合作和与人合作。该项目的目的是提出一种方法,将“代理和工件(A&A)元模型”转换为Web可读的格式与本体符合语义Web格式,并重用已经存在的本体,以提供统一的访问代理的东西。
2020-02-20 cs.AI cs.MA cs.SE
Personalize Web Searching Strategies Classification and Comparison
Technical University of Sofia(索非亚技术大学)
个性化是语义Web搜索的一个重要发展方向,用户需要找到合适的信息。本文提出了Web个性化的分类,并对语义Web搜索工具进行了研究。建立用户兴趣档案是个性化的关键。目前,语义Web工具使用本体的个性化,因为他们的优势。值得一提的是,大多数语义Web搜索工具都使用代理技术来实现。
2022-03-25 cs.AI cs.IR
SnapMode: An Intelligent and Distributed Large-Scale Fashion Image Retrieval Platform Based On Big Data and Deep Generative Adversarial Network Technologies
University of Alzahra(阿尔扎拉大学)
时尚现在是世界上最大的产业之一,因为它代表了人类历史,并有助于讲述世界的故事。随着第四次工业革命的兴起,互联网已经成为越来越重要的时尚信息来源。然而,随着越来越多的网页和社交数据,人类几乎不可能手动跟上该领域的持续发展和不断变化的内容。妥善管理和利用大数据可以为全球经济的大幅增长和公民满意度铺平道路。因此,计算机科学家发现,通过使用大数据和机器学习技术来处理电子商务时尚网站是一项挑战。本文首先提出了一种基于分布式计算平台的可扩展的聚焦式Web爬虫引擎,用于电子商务网站上的时尚数据的提取和处理。然后描述了所提出的平台的作用,通过采用深度卷积生成对抗网络(DCGAN)进行基于内容的图像索引和检索来开发一种解纠缠的特征提取方法。最后,国家的最先进的解决方案进行了比较,所提出的方法的结果进行了分析的标准数据集。为了实现所提出的解决方案,在Apache Storm、Kafka、Solr和Milvus平台上开发了一个基于Web的应用程序,以创建一个名为SnapMode的时尚搜索引擎。
2022-04-08 cs.AI cs.CV cs.DC
Knowledge Technologies
Knowledge Technologies(知识技术公司);Polimetrica(波利梅特里卡公司)
正在出现的若干技术为获取、储存、呈现和使用知识提供了新的途径。这本书是第一本全面介绍这些技术中最重要的五种:知识工程,基于知识的工程,知识网,本体和语义网。对于每一个问题,都给出了一些关键问题的答案(它是什么?它是如何运作的?一个系统是如何开发的?它能用来做什么?有哪些工具可用?主要问题是什么?)。这本书是针对学生,研究人员和从业人员感兴趣的知识管理,人工智能,设计工程和网络技术。在20世纪90年代,尼克在诺丁汉大学工作,研究人工智能技术在知识管理中的应用,以及各种知识获取项目,以开发军事应用的专家系统。1999年,他加入Epistemics,在那里他参与了许多知识项目,并帮助在工程,技术和法律部门的大型组织建立知识管理计划。他是《实践中的知识获取》一书的作者,该书描述了获取和实施专业知识的分步程序。他与致力于知识技术的领先研究机构保持着密切的联系,如基于知识的工程,本体论和语义技术。
2008-02-26 cs.AI cs.CY cs.LG
A Survey of Blockchain, Artificial Intelligence, and Edge Computing for Web 3.0
Louisiana Tech University(路易斯安那理工大学)
本文从区块链、人工智能和边缘计算三个角度深入综述Web 3.0,分析其技术组件与应用,提出去中心化存储与计算方案,并指出关键挑战与研究方向,旨在将数据控制权归还用户。
2023-11-22 cs.AI cs.CR cs.DC
Semantic Web Enabled Geographic Question Answering Framework: GeoTR
Yaşar University(亚沙尔大学);Ege University(爱琴大学)
随着关联数据的大量增长,研究人员一直关注如何提高语义Web技术的可用性,为现实生活中的系统提供实际用途。问答系统是直接与终端用户通信、理解用户意图并生成答案的现实生活系统的示例。最终用户不关心出现问题的结构化查询语言或知识库的词汇表。在这项研究中,提出了一个问答框架,土耳其自然语言输入到SPARQL查询的地理域。此外,一个新的土耳其本体,其中包括一个10年级的地理课命名为空间合成土耳其,已被开发用于作为一个链接的数据提供商。此外,土耳其的问答系统,它利用地理域中的关联数据的文献中的差距,得到解决。一个混合系统架构,结合自然语言处理技术与链接数据技术,以产生答案。提出了进一步的相关研究领域。
2023-01-11 cs.AI cs.CL
Web Technologies Security in the AI Era: A Survey of CDN-Enhanced Defenses
Louisiana Tech University(路易斯安那科技大学);Delhi Technological University(德里技术大学)
本文综述了人工智能时代CDN增强防御的现状,探讨了边缘计算中基于AI的Web安全防护技术,包括Web应用防火墙、DDoS缓解、机器人管理及API安全模型,提出了研究方向和治理挑战。
2025-12-06 cs.AI cs.CR cs.LG
Am I a Real or Fake Celebrity? Measuring Commercial Face Recognition Web APIs under Deepfake Impersonation Attack
Sungkyunkwan University(成均馆大学)
最近,使用深度神经网络的人脸识别技术取得了重大进展。因此,微软、亚马逊和Naver等公司为各种应用提供高度准确的商业人脸识别Web服务,以满足最终用户的需求。然而,自然地,这些技术持续受到威胁,因为几乎任何个人都可以快速实施模仿攻击。特别是,这些攻击可能对身份验证和身份识别服务构成重大威胁,这些服务严重依赖其底层人脸识别技术的准确性和鲁棒性。尽管其严重性,但使用商业Web API的Deepfake滥用及其鲁棒性的问题尚未得到彻底调查。这项工作提供了一个测量研究的黑盒商业人脸识别API对Deepfake冒充(DI)攻击的鲁棒性使用名人识别API作为一个示例案例研究。我们使用了五个Deepfake数据集,其中两个是我们创建的,计划发布。更具体地说,我们基于两种情况(有针对性和非有针对性)来测量攻击性能,并使用保真度,置信度和相似性度量进一步分析不同的系统行为。因此,我们展示了流行公司的人脸识别技术对DI攻击的脆弱性,针对目标(即,精确匹配)和非目标(即,与任何名人匹配)分别攻击。此外,我们提出了实用的防御策略,以减轻DI攻击,降低攻击成功率低至0%和0.02%的目标和非目标的攻击,分别。
2021-03-02 cs.AI cs.CR cs.CV
Semantic Knowledge Technologies: what the Semantic Web lost sight of, and what it never had
Glycan and Life Systems Integration Center (GaLSIC)(聚糖与生命系统整合中心(GaLSIC));Soka University(创价大学)
本文指出语义网标准遗漏了主张条件、操作基础和覆盖范围,提出语义知识技术方案,以五测试和七层架构定义理解,并引入大型知识模型等概念,作为可证伪的研究议程。
2026-09-15 cs.AI cs.DB cs.IR
A Baseline Assessment for the Agentic Web Technology Stack
PUC-SP(圣保罗天主教大学)
本研究提出MASTIF框架,针对300个Mind2Web任务评估3种LLM、3种协议和4种智能体框架,发现选择任务特定技术栈可提升多项指标并减少冗余与耗时,为智能体网络技术提供基线参考。
2026-10-12 cs.AI cs.ET cs.SE
Using RDF Summary Graph For Keyword-based Semantic Searches
Bahcesehir University(巴赫切希尔大学);Kent State University(肯特州立大学)
语义网是近年来随着其标准和技术的迅速发展而出现的。语义Web技术的不断发展促进了在Web上以RDF数据模型发布具有明确语义的数据。本研究提出一个语义搜索框架,以支持高效的基于关键字的语义搜索RDF数据利用近邻探索。该框架通过利用实体类型语义,利用邻近的资源来增强搜索结果。与搜索结果一起,系统生成相关性置信度分数,其基于相似度来测量返回实体的推断的语义相关性。此外,评估框架的有效性和结果的准确性的评价。
2017-07-12 cs.AI cs.DB cs.IR
Lessons Learned from the Use of Generative AI in Engineering and Quality Assurance of a WEB System for Healthcare
Universidade Federal do Rio de Janeiro (UFRJ)(巴西里约热内卢联邦大学)
本文分享了在医疗保健Web系统开发中应用生成式AI的经验,涵盖项目管理到质量保证全过程,为软件组织利用AI提升开发实践与软件质量提供了宝贵见解。
2025-11-01 cs.AI cs.ET cs.SE
A Mixed Initiative Semantic Web Framework for Process Composition
School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院);SAP(思爱普公司)
语义Web技术提供了这样的前景:无论是在给定的组织内还是跨多个组织,都可以显著减少集成现有企业功能以支持新的复合流程所需的工作量。这一领域的大量工作旨在完全自动化这一过程,同时假设所有功能都已经以具有丰富和准确注释的语义Web服务的形式封装。在本文中,我们认为这种假设往往是不现实的。相反,我们描述了一个混合的主动框架,语义Web服务发现和组合,旨在灵活地交错人类的决策和自动化功能的环境中,注释可能是不完整的,甚至不一致的。
2020-06-03 cs.AI cs.SE
Combining Ontology Development Methodologies and Semantic Web Platforms for E-government Domain Ontology Development
Vaal University of Technology(瓦尔理工大学);North-West University(西北大学)
电子政务的主要挑战之一是开发易于集成和互操作的系统,以便向公民提供无缝服务。近年来,基于本体的语义Web技术已经成为解决上述工程问题的一个很有前途的解决方案。然而,目前的研究实践语义发展在电子政务并不集中在现有的方法和平台开发政府领域本体的应用。此外,只有少数这些研究提供了详细的指导方针,从政府服务领域开发语义本体模型。本研究提出了一个案例研究相结合的本体构建方法和两个国家的最先进的语义Web平台,即Protege和Java Jena本体API的语义本体开发在电子政务。首先,采用Uschold和King本体构建方法的框架来构建描述政府服务领域语义内容的领域本体。然后,用UML半形式化地表示领域本体。最后,利用Protege和Jena API分别建立了领域本体的Web本体语言(OWL)和资源描述框架(RDF)表示,以支持其计算机处理。这项研究的目的是:(1)为电子政务开发人员,特别是发展中国家的开发人员提供在其电子政务项目中进行语义内容开发的详细指南;(2)加强电子政务中语义技术的采用。这项研究也会引起语义网开发新手的兴趣,他们可能会把它作为进一步研究的起点。
2011-04-26 cs.AI cs.CY
Best Practices for Implementing FAIR Vocabularies and Ontologies on the Web
Information Sciences Institute, University of Southern California(南加州大学信息科学研究所);Universidad Politécnica de Madrid(马德里理工大学)
随着语义网技术的采用,越来越多的词汇表和本体已经在不同的领域,从生物学到农学或地球科学开发。然而,许多这些本体仍然很难找到,访问和理解的研究人员由于缺乏文档,URI解决问题,版本控制问题等,在这一章中,我们描述的指南和最佳实践创建可访问的,可理解的和可重用的本体在Web上,使用标准的做法,并指向现有的工具和框架开发的语义Web社区。我们用具体的例子来说明我们的指导方针,以帮助研究人员在他们未来的词汇中实现这些做法。
2020-03-29 cs.AI cs.DB cs.DL