Fuzzy Quantification over OWL Ontologies and Knowledge Graphs
University of Zaragoza（萨拉戈萨大学）；Aragon Institute of Engineering Research (I3A)（阿拉贡工程研究所 (I3A)）；University of Bari Aldo Moro（巴里阿尔多莫罗大学）；CNR-ISTI（意大利国家研究委员会-信息科学与技术研究所）
提出一个通用框架，用于在标准/模糊本体和知识图谱上评估模糊量化查询，通过I型或II型模糊量化表达式检索个体，具有量化器类型、评估方法和数据源无关性，并实现了Q2S2系统。
2026-06-25 cs.AI
An ontology for the formalization and visualization of scientific knowledge
Université de Genève（日内瓦大学）
这里提出的科学知识对象的本体论的构建是面向科学知识可视化的方法的发展的一部分。它的动机是这样一个事实，即用于组织科学知识（定理，定律，经验，证明等）的概念。出现在现有的本体论，但这些本体论都没有集中在这个主题，并提出了一个简单的，易于理解的组织。该本体是通过1）选择出现在高级本体或特定领域的知识对象的本体中的概念和2）通过采访不同领域的科学家来构建的。我们已经将这个本体与所使用的一些源对齐，这使我们能够验证它与它们的一致性。本体论的验证在于使用它来形式化来自各种来源的知识，我们已经开始在物理学领域这样做。
2021-07-13 cs.AI cs.DL cs.LO
Extending Ontologies: From Dense Embeddings to Hybrid Quantum-Fuzzy Systems
本文综述本体与密集嵌入算法的集成方法，并提出神经-量子-模糊系统作为同时支持概率推理和精确推理的知识表示新范式。
2026-06-07 cs.AI cs.LO
A Framework for Evaluating Agricultural Ontologies
Tel-Aviv University（特拉维夫大学）；Ben Gurion University of the Negev（本·古里安大学内盖夫分校）
本体是领域知识的一种形式化表示，它可以被机器解释。近年来，本体已经成为领域知识表示的主要工具，并且是许多知识管理系统、决策支持系统和其他智能系统的核心组成部分，特别是在农业背景下。然而，对现有农业本体论文献的回顾表明，大多数提出农业本体论的研究都缺乏明确的评价程序。这是不希望的，因为没有结构良好的评估过程，很难考虑本体的研究和实践的价值。此外，它是很难依赖于这样的本体，并共享它们的语义Web或语义感知应用程序之间。随着越来越多的基于本体的农业系统和语义网的日益普及，它成为必要的，这样的发展和评价方法，提出了指导未来的努力本体发展。我们的工作有助于农业本体的文献，提出了一种方法来评估农业本体，这似乎是从大多数现有的研究农业本体缺失。该框架支持匹配适当的评价方法为一个给定的本体的基础上本体的目的。
2019-06-26 cs.AI
Extending planning knowledge using ontologies for goal opportunities
Universitat Politècnica de València（瓦伦西亚理工大学）
以目标为导向的行为方法包括在线规划和机会主义规划，通过生成替代目标来避免失败或抓住机会，从而应对环境的变化。然而，当前的方法仅解决与正在解决的规划任务中已经定义的对象或对象类型相关的未预期的变化。本文描述了一种独立于领域的方法，通过扩展具有新类型的相关对象的规划任务的知识来推进最新技术。该方法利用本体，语义措施，本体对齐，以适应新获得的数据，触发制定目标的机会，诱导一个更好的价值计划。
2019-04-07 cs.AI
A context-aware knowledge acquisition for planning applications using ontologies
Universitat Politècnica de València（瓦伦西亚理工大学）
自动规划技术得到了长足的发展。设计一个规划模型，使自动代理能够在真实的执行环境中智能地对意外事件做出反应，仍然是一个挑战。本文描述了一种域独立的方法，允许代理对其执行环境和任务进行上下文感知，获取保证相关且更重要的是可管理的新信息，并通过使用本体和语义操作将这些信息集成到其模型中，以自主地制定新目标，从而导致在机会的背景下处理意外事件的更像人类的行为。
2019-04-19 cs.AI
Embedding Ontologies via Incorporating Extensional and Intensional Knowledge
School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）；Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系）；China Mobile Research Institute（中国移动研究院）
本文提出EIKE方法，通过扩展空间和内涵空间整合本体实例、概念及关系，结合几何方法和预训练语言模型捕捉结构与文本信息，在三组数据集上优于现有方法。
2026-03-25 cs.AI cs.CL
Answering Fuzzy Queries over Fuzzy DL-Lite Ontologies
University of Milano-Bicocca（米兰比可卡大学）
知识表示中的一个突出问题是如何回答查询，同时考虑表示领域知识的本体的隐含后果。虽然这个问题已经在描述逻辑本体论的领域内得到了广泛的研究，但令人惊讶的是，在模糊或不精确知识的背景下，特别是从数学模糊逻辑的角度来看，它被忽视了。在本文中，我们研究的问题，回答合取查询和阈值查询w.r.t.模糊DL-Lite中的本体。具体来说，我们通过重写的方法，阈值查询回答w.r.t.在数据复杂度方面，一致的本体保持在$AC_0$中，但是合取查询应答高度依赖于所选择的三角范数，这对底层语义有影响。对于幂等的哥德尔t-范数，我们提供了一个有效的方法的基础上减少到经典的情况。这篇论文是在逻辑程序设计理论与实践（TPLP）中考虑的。
2021-11-23 cs.AI
Plausible Reasoning about EL-Ontologies using Concept Interpolation
Cardiff University（卡迪夫大学）
描述逻辑（DL）是用于建模本体（即关于概念及其之间关系的知识）的标准知识表示语言。不幸的是，DL本体很难从数据中学习，并且手动编码耗时。因此，广泛领域的本体几乎不可避免地是不完整的。近年来，已经提出了一些数据驱动的方法来自动扩展这样的本体。一类方法依赖于从文本描述导出的概念的表征。虽然这种表征不直接捕获本体知识，但它们编码了关于不同概念之间的相似性的信息，这些信息可以用于填补现有本体中的空白。为此，已经提出了几种归纳推理机制，但这些都是以启发式的方式定义和使用的。在本文中，我们提出了一个归纳推理机制，它是基于一个明确的模型理论语义，因此可以紧密结合标准的演绎推理。我们特别关注插值，这是一个强大的常识推理机制，它与基于类别的归纳的认知模型密切相关。除了形式化的基本语义，作为我们的主要技术贡献，我们提供了计算复杂性界限EL推理与此插值机制。
2020-06-25 cs.AI
Repairing Ontologies via Axiom Weakening
KRDB, Unibz, Bozen-Bolzano（博尔扎诺自由大学 KRDB 中心）
本体工程是一项困难且容易出错的任务，其中微小的更改可能导致错误，甚至产生不一致的本体。随着本体在规模上的增长，对用于修复不一致同时尽可能多地保留原始知识的自动化方法的需求增加。大多数之前完成此任务的方法都是基于从本体中删除一些公理以恢复一致性。我们提出了一种新的方法，削弱这些公理，使他们的限制较少，采用细化算子的使用。我们介绍了削弱DL本体的理论框架，提出了基于该框架的本体修复算法，并提供了一个计算复杂性的分析。通过对现实生活中的本体的实证分析，我们表明，我们的方法保留了显着更多的本体的原始知识比删除公理。
2017-11-09 cs.AI
Knowledge Representation on the Web revisited: Tools for Prototype Based Ontologies
Fraunhofer Institute for Applied Information Technology FIT（弗劳恩霍夫应用信息技术研究所）；RWTH Aachen University（亚琛工业大学）；University of Jyvaskyla（于韦斯屈莱大学）；World Wide Web Consortium (W3C)（万维网联盟）
近年来，在W3C推荐的推动下，RDF和OWL已经成为Web上最常用的知识表示语言。在本文中，我们提出了一个实际的实现不同类型的知识表示的基础上原型。详细地说，我们提出了一个具体的语法容易和有效地解析的应用程序。我们还提出了一个原型知识库的可扩展实现，专门设计用于存储的原型。这些实现是用Java编写的，可以通过将实现用作库来扩展。或者，软件可以这样部署。此外，本地和Web部署的基准测试的结果。本文增加了一个研究论文，在其中我们描述了我们的原型系统的更多的理论方面。
2016-07-16 cs.AI
Applying the Closed World Assumption to SUMO-based FOL Ontologies for Effective Commonsense Reasoning
University of the Basque Country (UPV/EHU)（巴斯克地区大学）
最常见的是，开放世界假设被采用作为设计，构建和使用本体的标准策略。这种策略限制了任何系统的推理能力，因为非断言语句（缺少知识）可以被假设为真或假。正如我们将证明的，这是特别是一阶逻辑（FOL）本体的情况下，非断言语句是当今的主要障碍之一，其实际应用中的自动常识推理任务。在本文中，我们调查的封闭世界假设（CWA）的应用，使更好地利用FOL本体使用国家的最先进的自动定理证明。为此，我们探索了不同的CWA公式的结构知识编码在FOL翻译的相扑本体，发现几乎30%的结构知识是失踪。我们评估这些配方的实际实验中使用一个非常大的常识基准WordNet通过其映射到相扑。实验结果表明，在CWA框架下，本体的推理能力提高了50%以上。因此，将CWA自动应用于FOL本体减少了它们的歧义，并且可以回答更多的常识问题
2020-03-04 cs.AI
FALCON: Scalable Reasoning over Inconsistent ALC Ontologies
Delft University of Technology（代尔夫特理工大学）；University of Toronto（多伦多大学）；University of Notre Dame（圣母大学）
提出FALCON模糊本体神经推理器，通过近似模型生成与采样，实现大规模不一致ALC本体的可扩展近似推理，并在生物医学知识库补全中验证其有效性。
2024-05-27 cs.AI cs.LO
Animer une base de connaissance: des ontologies aux mod{è}les d'I.A. g{é}n{é}rative
Cnrs - Centre Internet et Société (C.I.S.)（法国国家科学研究中心 - 互联网与社会中心）；Inalco - Pluralité des Langues et des Identités (PLIDAM)（法国国立东方语言文化学院 - 语言与身份多元性研究所）
本文针对人文社科非人类中心分析框架需求，以区域研究知识库为场景，结合LaCAS生态系统探讨生成式AI与符号AI的受控融合，提出兼顾符号约束的专用智能体生态方案。
2025-09-01 cs.AI cs.DL
On the Multiple Roles of Ontologies in Explainable AI
University of Padua（帕多瓦大学）；University of Twente（特文特大学）
该研究梳理了本体在可解释AI中可发挥作用的三个核心视角，对现有相关方法进行分类定位，并指出了基于本体的解释方法待解决的挑战与评估方向。
2023-11-08 cs.AI
On the Complexity of Learning Description Logic Ontologies
University of Bergen（卑尔根大学）
本体是表示领域知识，特别是与生命科学相关的领域中的知识的流行方式。构建本体的过程（半）自动化吸引了来自不同社区的研究人员进入一个称为“本体学习”的领域。我们提供了一个正式规范的准确和可能近似正确的学习模型从计算学习理论。然后，我们从文献中回顾了在这些模型中学习轻量级描述逻辑（DL）本体的复杂性结果。最后，我们强调其他方法在文献中提出的学习DL本体。
2021-03-25 cs.AI cs.CC cs.LG
A set of semantic data flow diagrams and its security analysis based on ontologies and knowledge graphs
Yanka Kupala State University of Grodno（格罗德诺扬卡·库帕拉国立大学）
长期以来，威胁建模被视为一个手动的、复杂的过程。然而，现代敏捷开发方法和云计算技术需要添加自动威胁建模方法。这项工作考虑了两个挑战：创建一组机器可读的数据流图，代表真正的基于云的应用程序;和使用领域的特定知识，自动分析这些应用程序的安全方面。这组180个语义图（本体和知识图谱）是基于云配置（Docker Compose）创建的;该组包括一个手动分类法，允许定义基于Web的应用程序和数据处理应用程序的设计和功能方面;该组可用于威胁建模领域的各种研究。这项工作还评估了如何本体和知识图谱可以用来自动识别模式（映射到安全威胁）的图表。模式以对知识库的请求的形式表示图的特征，这使得它能够在图的语义表示中被识别。在实验中，创建了四组模式（Web应用程序，数据处理，网络和Docker特定），并通过模式检查图表。自动结果，收到的Web应用程序和数据处理模式，与手动分类法进行比较，以研究自动威胁建模的挑战。
2023-03-20 cs.AI cs.CR
Ontologies in Digital Twins: A Systematic Literature Review
University of Amsterdam（阿姆斯特丹大学）；University of Technology Sydney（悉尼科技大学）
本文通过系统综述82篇文献，分析了本体论在数字孪生中的知识表示、互操作性和推理应用，并指出了未来研究方向。
2023-08-29 cs.AI
Reasoning about actions with EL ontologies with temporal answer sets
Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）
我们提出了一种基于回答集编程的方法，用于推理与域描述，包括本体知识，在轻量级描述逻辑EL^ \bot表示的行动。我们考虑一个时间的行动理论，它允许非确定性的行动和因果规则来处理后果，其扩展定义的时间答案集。我们提供的条件下，可以保证相对于本体的动作一致性，由一个多项式编码的动作理论扩展与EL^ \bot知识库（在范式）到一个时间的动作理论。
2021-07-18 cs.AI
Mutual Transformation of Information and Knowledge
信息和知识是可以相互转化的。在语义Web专家系统的开发过程中，以OWL（Web Ontology Language）本体生成规则为例，说明了信息到知识的转化。SWES预计作为一个专家系统搜索OWL本体从Web上，从发现的本体生成规则和补充SWES知识库与这些规则。本文的目的是通过从规则生成本体的例子来展示知识到信息的转化。
2016-04-26 cs.AI
Toward a Category Theory Design of Ontological Knowledge Bases
National Aviation University（国立航空大学）
我讨论（本体论和本体论知识库/形式方法和理论）的对偶性及其范畴论扩展，作为解决基于知识的系统理论的一个步骤。特别是我专注于本体和本体论知识库的元素的设计的例子，未来三个电子课程：研究活动的基础，复杂系统的虚拟建模和弦理论导论。
2009-06-09 cs.AI
An Alternative to RDF-Based Languages for the Representation and Processing of Ontologies in the Semantic Web
本文描述了一种基于ICMAUS计算理论和人工智能的语义Web中本体的表示和处理方法。这种方法的优点是补充了基于资源描述框架（RDF）的语言，如RDF模式和DAML+OIL。ICMAUS方法的主要优点是本体表示的简单性和可理解性，能够应对知识中的错误和不确定性，以及具有语义Web中似乎需要的概率推理能力的多功能推理系统。
2003-07-29 cs.AI
An Automatic Ontology Generation Framework with An Organizational Perspective
Virginia Commonwealth University（弗吉尼亚联邦大学）；University of Sydney（悉尼大学）
本体以其知识的语义表示而闻名。本体不能自动演变以反映在各个域中发生的更新。为了解决这个问题，研究人员呼吁从非结构化文本语料库中自动生成本体。不幸的是，旨在从非结构化文本语料库中生成本体的系统是特定领域的，需要人工干预。此外，他们遭受的不确定性，创造概念的联系和困难，找到公理相同的概念。知识图谱（KGs）已经成为知识动态表示的一个强大模型。然而，幼儿园有许多质量限制，需要广泛改进。本研究旨在发展一个新的领域无关本体自动生成框架，将非结构化的文本语料转换为领域一致的本体形式。该框架从非结构化文本语料库中生成知识库，并对其进行改进和校正，使其与领域本体保持一致。所提出的自动生成的本体的力量是，它集成了知识库的动态特征和本体的质量特征。
2022-01-15 cs.AI
Bias in ontologies -- a preliminary assessment
University of Cape Town（开普敦大学）
在计算和IT中，本体论形式的逻辑理论和类似的人工制品被用于结构化、注释和查询数据等，从而影响关于什么被馈送到算法中的数据分析。算法偏见是一个众所周知的概念，但是在为算法输入提供结构化机制的本体论的上下文中，偏差意味着什么呢？偏见的来源是什么？它们如何在本体论中表现出来？我们检查和列举类型的偏见相关的本体论，以及它们是否是明确的或隐含的。这八种类型的例子说明了从现存的生产级本体和样本的文献。然后，我们评估了三个同时开发的COVID-19本体论的偏见，并在每个本体论中检测到不同程度的偏见类型子集。这第一个特点的目的是有助于本体论的道德方面的敏感性，主要是关于信息和知识的表示。
2021-01-20 cs.AI
OntoLoki: an automatic, instance-based method for the evaluation of biological ontologies on the Semantic Web
University of British Columbia（不列颠哥伦比亚大学）
本体中每个类的逻辑定义的描述以及这些定义在将实例分配给类时的一致性应用是本体评估的重要标准。如果本体是用基于属性的类成员限制来指定的，那么这种一致性可以被自动检查。如果没有这样的逻辑限制，是与许多生物本体的情况下，目前没有自动化的方法来衡量的语义一致性的实例分配的本体范围内的规模，也没有推断的模式，可能会定义一个特定的类的属性。我们构建了一个程序，作为其输入的OWL/RDF知识库包含一个本体，与本体中的每个类相关联的实例，以及这些实例的属性。对于每个类，它输出：1）用于基于实例的属性确定类成员资格的规则，以及2）反映所识别的规则正确预测知识库中的实例的类成员资格的能力的类的定量分数。我们评估了这个程序使用人工知识库的已知质量和真正的，广泛使用的本体。结果表明，所提出的方法可以用来进行客观的，自动的，数据驱动的生物本体的评价没有正式的类定义方面的基于属性的实例分配的一致性。这种归纳方法补充了现有的，纯粹的演绎方法自动一致性检查，提供不仅有可能帮助本体工程过程中，而且在知识发现过程中。
2015-02-20 cs.AI q-bio.QM
Using a cognitive architecture to consider antiBlackness in design and development of AI systems
The Pennsylvania State University（宾夕法尼亚州立大学）
本文利用ACT-R/Φ认知架构和ConceptNet知识图谱，从认知、社会文化和生理视角分析反黑人问题如何影响AI系统设计与开发，揭示认知建模中回避社会文化过程会强化色盲式方法并掩盖关键语境。
2025-08-21 cs.AI cs.CY
Apport des ontologies pour le calcul de la similarité sémantique au sein d'un système de recommandation
Université de technologie de Compiègne（贡比涅技术大学）；CNRS（法国国家科学研究中心）；Vivocaz
术语、词或文本数据之间的语义相关性或相似性的测量在处理文本数据的不同应用中起着重要作用，例如知识获取、推荐系统和自然语言处理。在过去的几年中，许多本体已经被开发并用作信息系统的知识库的结构化表示形式。基于本体的语义相似度计算方法得到了发展，并得到了其他基于上下文的相似度计算方法的补充。在本文中，我们提出并进行了基于本体的语义相似度的计算方法，在推荐系统的上下文中使用。
2022-05-25 cs.AI cs.IR
Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving
Robert Bosch GmbH（罗伯特·博世有限公司）；RWTH Aachen（亚琛工业大学）；ika（ika（亚琛工业大学汽车研究所））
知识表示和推理在研究如何通过机器对知识进行形式化、解释和语义分析方面有着悠久的历史。在自动驾驶汽车领域，最新的进展表明，有能力将相关知识正规化和利用，作为处理交通世界固有的开放和复杂背景的关键推动因素。本文证明本体论是一个强大的工具，a）建模和形式化和b）推理与自动驾驶汽车的环境中的关键性相关的因素。为此，我们利用众所周知的6层模型来创建环境背景的正式表示。在这种表示中，本体将领域知识建模为逻辑公理，从而能够推断交通场景和场景中的关键因素的存在。为了执行自动化分析，联合描述逻辑和规则推理器与先验谓词增强相结合使用。我们详细阐述了模块化的方法，提出了一个公开的实现，并通过一个大规模的无人机数据集的城市交通场景的方法进行评估。
2022-07-05 cs.AI cs.LO
Ontology as a Source for Rule Generation
Riga Technical University（里加工业大学）
本文揭示了潜在的OWL（Web本体语言）本体生成的规则。本文的主要目的是确定新类型的规则，这可能是从OWL本体生成的。从OWL本体生成的规则是语义Web专家系统运行所必需的。语义网专家系统（SWES）将能够处理来自Web的本体，以补充甚至发展其知识库。
2014-04-18 cs.AI
OWL2Vec*: Embedding of OWL Ontologies
City, University of London（伦敦城市大学）；University of Oslo（奥斯陆大学）；Samsung Research（三星研究院）；University of Oxford（牛津大学）
知识图谱的语义嵌入已经被广泛研究并用于跨诸如自然语言处理和语义Web的各个领域的预测和统计分析任务。OWL（Web Ontology Language）本体可以表达比知识图谱更广泛的语义，在生物信息学等领域得到了广泛的应用。本文提出了一种基于随机游走和词嵌入的本体嵌入方法OWL2Vec*，该方法综合考虑了OWL本体的图结构、词汇信息和逻辑构造函数，对本体的语义进行编码。我们对三个真实世界数据集的实证评估表明，OWL2Vec* 在类成员预测和类包含预测任务中受益于本体的这三个不同方面。此外，在我们的实验中，OWL2Vec* 通常显著优于最先进的方法。
2021-01-25 cs.AI
OBA: An Ontology-Based Framework for Creating REST APIs for Knowledge Graphs
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）
近年来，研究人员、工业界和公共机构越来越多地采用语义Web技术来描述和链接Web上的数据，创建Web注释，并使用Wikidata和DBPedia等大型知识图谱。然而，本体工程师和Web开发人员之间仍然存在知识差距，本体工程师设计，填充和创建知识图谱，Web开发人员需要理解，访问和查询这些知识图谱，但不熟悉本体，RDF或SPARQL。在本文中，我们描述了基于本体的API框架（OBA），我们的方法来自动创建REST API从本体，同时遵循REST API的最佳实践。给定一个本体（或本体网络），OBA使用Web开发人员熟悉的标准技术（OpenAPI规范，JSON），并将它们与W3C标准（OWL，JSON-LD框架和SPARQL）相结合，以创建具有文档，单元测试，资源和客户端自动验证（Python，JavaScript等）的mainingAPI。非语义网专家访问目标知识图谱的内容。我们展示了OBA与三个例子，说明了不同的本体框架的能力。
2020-07-17 cs.AI
Ontologies for Models and Algorithms in Applied Mathematics and Related Disciplines
University of Stuttgart（斯图加特大学）；University of Münster（明斯特大学）；Fraunhofer Institute for Industrial Mathematics（弗劳恩霍夫工业数学研究所）；Zuse Institute Berlin（柏林祖斯研究所）；Weierstrass Institute for Applied Analysis and Stochastics（魏尔斯特拉斯应用分析与随机学研究所）；University Library, University of Stuttgart（斯图加特大学图书馆）；Stuttgart Center for Simulation Science (SC SimTech), University of Stuttgart（斯图加特大学斯图加特模拟科学中心）
本文介绍了数学研究数据倡议开发的本体与知识图谱，用于在建模-仿真-优化工作流中使数学研究数据符合FAIR原则，并以多孔介质微断裂分析为例展示了数学模型与数值算法知识的表示方法。
2024-07-31 cs.AI cs.DB cs.DL
The Distributed Ontology Language (DOL): Use Cases, Syntax, and Extensibility
Research Center on Spatial Cognition, University of Bremen（不来梅大学空间认知研究中心）；University of Birmingham（伯明翰大学）；DFKI GmbH Bremen（德国人工智能研究中心不来梅分中心）；Infoterm（国际术语信息中心）；University of Toronto（多伦多大学）
分布式本体语言（DOL）目前正在ISO/TC 37/SC 3的OntoIOp（本体集成和互操作性）活动中进行标准化。它旨在为（1）异构逻辑形式化的本体，（2）模块化本体，（3）本体之间的链接，以及（4）本体的注释提供一个统一的框架。本文介绍了DOL标准化的现状。它侧重于分布式本体支持互操作性和可重用性的用例。我们展示了DOL语法和语义的相关功能，并解释了这些功能如何集成到现有的知识工程环境中。
2012-08-01 cs.AI cs.DL cs.LO
Considerations on Construction Ontologies
West University（西大学）
本文通过对现有本体的分析，指出了解决信息系统中语义异构的途径。作者强调了知识获取系统中的任务，并确定了与向智能系统添加新信息有关的方面。提出了一种本体推理服务与自然语言生成相结合的解决方案。一个多智能体系统将设想与提取代理，推理代理和能力管理代理。
2009-05-28 cs.AI
Using MathML to Represent Units of Measurement for Improved Ontology Alignment
Centrum Wiskunde & Informatica（荷兰国家数学与计算机科学研究所）
本体提供了知识领域中概念及其关系的形式化描述。本体对齐的目标是在独立开发的本体中识别语义匹配的概念和关系，这些本体声称描述相同的知识。为了处理尽可能广泛的本体类，许多对齐算法依赖于术语和结构方法，但概念的模糊性使匹配过程复杂化。然而，由于其数学性质，应该提供明确匹配解决方案的一个领域是测量单位。有几种测量单位的理论可用，但没有尝试将它们统一起来，尽管技术互操作性具有明显的重要性。我们提出了一个通用的策略来映射这些（和类似的）本体，通过引入MathML来准确地捕捉其中指定的概念的语义描述。我们提供了三个本体的映射结果，并表明我们的方法提高了词汇比较。
2013-07-05 cs.AI
Text-mining and ontologies: new approaches to knowledge discovery of microbial diversity
MaIAGE, INRA, Université Paris-Saclay（巴黎萨克雷大学法国国家农业研究院MaIAGE）
微生物学研究可以获得关于微生物栖息地的大量公共信息。微生物学研究的许多领域使用这些信息，主要是在生物多样性研究中。然而，栖息地信息以非结构化的自然语言形式表达，这阻碍了其大规模开发。相似的栖息地通常用不同的术语描述，这使得它们很难自动比较，例如肠和肠道。使用一个共同的参考标准，以标准化这些栖息地的描述所要求的（伊戈尔等人，2010年，这是必要的。我们提出了自2010年以来一直在开发的本体论OntoBiotope。OntoBiotope本体是一个正式的机器可读的表示，使索引的信息以及概念化和推理。
2018-10-31 cs.AI q-bio.QM
Answering Regular Path Queries Over SQ Ontologies
Cardiff University（卡迪夫大学）；TU Wien（维也纳工业大学）；Universität Bremen（不来梅大学）
我们研究查询回答的描述逻辑$\mathcal{SQ}$支持合格的数量限制的传递和非传递的角色。我们的主要贡献是一个树状模型属性的$\mathcal{SQ}$知识库，并在此基础上，一个最佳的自动机为基础的算法回答积极存在的正规路径查询2ExpTime。
2020-11-17 cs.AI cs.LO
Black-box Testing of First-Order Logic Ontologies Using WordNet
Department of Computer Languages and Systems University of the Basque Country UPV/EHU（巴斯克地区大学UPV/EHU计算机语言与系统系）
人工智能旨在为计算机程序提供常识知识，以推理我们的世界。本文提出了一种新的实用方法，自动常识推理与一阶逻辑（FOL）本体。我们提出了一种新的黑盒测试方法的FOL SUMO为基础的本体，利用WordNet及其映射到SUMO。我们的建议包括一个方法（半）自动创建一个非常大的基准能力的问题和程序，其自动化评估使用自动定理证明（ATP）。通过应用不同的质量标准，我们的测试方案可以成功评估a）几种SUMO翻译成FOL的能力和b）各种自动化ATP的性能。最后，我们还提供了一个细粒度的和完整的常识推理能力的分析，目前FOL SUMO为基础的本体。
2018-03-23 cs.AI
Ontologies in CLARIAH: Towards Interoperability in History, Language and Media
Vrije Universiteit, Amsterdam（阿姆斯特丹自由大学）；International Institute of Social History, Amsterdam（国际社会史研究所）；KNAW Humanities Cluster, DHLab, Amsterdam（荷兰皇家艺术与科学学院人文集群数字人文实验室）；University of Stirling, Stirling（斯特灵大学）；Utrecht University, Utrecht（乌得勒支大学）；Netherlands Institute for Sound and Vision, Hilversum（荷兰声音与视觉研究所）
数字人文学科最重要的目标之一是为研究人员提供新的研究问题的数据和工具，无论是通过增加学术研究的规模，连接现有的数据库，还是提高数据的可访问性。在这里，FAIR原则提供了一个有用的框架，因为这些原则指出数据需要：可查找，因为它们通常分散在各种来源中;可解释，因为有些可能是离线的或在付费墙后面;可互操作，因此使用标准的知识表示格式和共享词汇表;以及可重用，通过适当的许可和权限。整合来自不同人文领域的数据并不是一件小事，比如“18世纪经济财富是否平均分配？或者“围绕破坏性媒体事件构建的叙事是什么？“）和准备阶段（例如，数据汇集、知识组织、清理）。在这一章中，我们描述的本体和工具，开发和集成在荷兰国家项目GATIAH，以解决这些问题的数据集从三个基本领域或“支柱”的人文学科（语言学，社会和经济史，媒体研究），具有范式的数据表示（文本语料库，结构化数据，多媒体）。我们总结了经验教训，从这些领域使用这样的本体和工具，从泛化和可重用性的角度来看。
2020-07-31 cs.AI cs.CY cs.DL
Automatic Construction of Lightweight Domain Ontologies for Chemical Engineering Risk Management
Curtin University of Technology（科廷科技大学）；University of Western Australia（西澳大学）
在风险管理和危险识别等关键任务应用中，对领域本体的需求变得越来越迫切。目前学术界对本体学习的研究大多数都不现实。主要问题之一是依赖于非增量的、稀有的知识和文本资源，以及手工制作的模式和规则。本文报告了正在进行的工作，旨在解决这种不良的依赖关系在本体构建。使用该系统的工作原型进行的初步实验显示，使用真实世界的文本自动构建高质量的领域本体具有很大的潜力。
2008-12-18 cs.AI
AutoRD: An Automatic and End-to-End System for Rare Disease Knowledge Graph Construction Based on Ontologies-enhanced Large Language Models
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Illinois College of Medicine Peoria（伊利诺伊大学皮奥里亚医学院）
针对LLM罕见病专业知识不足、难以处理最新信息及管理数据的问题，本文提出端到端系统AutoRD，通过整合最新结构化知识自动抽取罕见病实体与关系，并在实验中超越常见LLM和传统方法。
2024-10-25 cs.AI cs.CL
Embedding Method for Knowledge Graph with Densely Defined Ontology
Fujitsu Limited（富士通公司）
针对现有知识图谱嵌入模型未充分利用本体中属性关系的局限性，提出一种将属性视为实体子集以实现统一表示的KGE模型TransU，并在标准与实用数据集上验证了其有效性。
2025-04-02 cs.AI cs.SI
Effective Enabling of Sharing and Reuse of Knowledge On Semantic Web by Ontology in Date Fruit Model
Arab Open University（阿拉伯开放大学）；Muscat College（马斯喀特学院）；Higher College Of Technology（高等技术学院）
由于各组织已认识到知识是创造和维持竞争优势的宝贵无形资产，知识共享在当今社会中发挥着至关重要的作用。它是人们通过不同媒介进行信息交流的活动。知识共享和知识重用领域面临着许多问题。目前，各实体之间的知识共享是以非常临时的方式实现的，缺乏对数据含义的适当理解。本体可以潜在地解决这些问题，促进知识共享和重用，通过正式和真实世界的语义。通过形式语义，本体是机器可理解的。计算机可以处理数据，引用本体进行注释，并通过封装在本体中的知识，从原始数据中推导出事实。枣果是苏丹国丰富遗产最持久的象征。建立枣的本体将丰富农业领域的农业团体和研究学者。
2012-07-10 cs.AI cs.IR
Learning Description Logic Ontologies. Five Approaches. Where Do They Stand?
University of Bergen（卑尔根大学）
对获取感兴趣领域的知识的形式化表示的追求吸引了具有各种背景的研究人员进入一个称为本体学习的多样化领域。我们强调经典的机器学习和数据采掘的方法，已提出（半）自动创建描述逻辑（DL）本体。这些是基于关联规则挖掘，形式概念分析，归纳逻辑程序设计，计算学习理论和神经网络。我们提供了每种方法的概述，以及它是如何适应处理DL本体。最后，我们讨论了它们各自对于学习深度学习本体的好处和局限性。
2021-04-02 cs.AI cs.LG cs.LO
Overview of chemical ontologies
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
本体以形式和语义的方式对特定领域的知识进行排序和互连，以便它们是机器可解析的。他们试图定义所有可接受的概念和对象的定义，对它们进行分类，提供属性以及将它们与关系（例如“A是B的特殊情况”）联系起来。更准确地说，Tom Gruber将本体定义为“概念化的规范; [...]对一个代理或代理社区可能存在的概念和关系的描述（类似于程序的正式规范）。“[1]本体是由组织在类中的个体组成的。两者之间可以有属性和关系。一些复杂的本体定义了改变属性或关系的限制、规则和事件。为了计算机可访问，它们是用某些本体语言编写的，如OBO语言或更常用的通用代数规约语言。随着数字化、互联化和全球化世界的兴起，必须找到共同的标准，本体论引起了人们极大的兴趣。[2]然而，化学本体论的发展才刚刚开始。事实上，可以找到一些有趣的化学本体论的基本方法，但它们有两个主要缺陷。首先，我们发现它们大多只是零星完成或仍处于建筑状态。其次，显然没有化学本体论被广泛接受。因此，本文试图描述化学相关领域中的主要本体论发展：化学分析方法本体论、命名反应本体论和科学单位本体论。
2020-02-07 cs.AI
GLaMoR: Consistency Checking of OWL Ontologies using Graph Language Models
Ulm University（乌尔姆大学）
本文提出GLaMoR，利用图语言模型将OWL本体转为图结构数据进行一致性检查，在BioPortal数据集上达到95%准确率，速度比经典推理器快20倍。
2026-09-14 cs.AI cs.LG
Building Rules on Top of Ontologies for the Semantic Web with Inductive Logic Programming
Università degli Studi di Bari（巴里大学）
在本体之上构建规则是语义Web逻辑层的最终目标。为此，目前正在讨论一种用于这一层的特别标记语言。它的目的是遵循传统的混合知识表示和推理系统，如$\mathcal{AL}$ -日志，集成了描述逻辑$\mathcal{ALC}$和无函数霍恩子句语言\textsc{Datalog}。在本文中，我们考虑的问题，这些规则的语义Web的自动化收购。我们提出了一个通用的规则归纳框架，采用归纳逻辑程序设计的方法装置，并依赖于$\mathcal{AL}$ -log的表达和演绎能力。无论归纳的范围（描述与预测）如何，该框架都是有效的。然而，为了说明的目的，我们还讨论了一个实例化的框架，其目的是描述和原来是有用的本体精化。关键词：归纳逻辑程序设计，混合知识表示和推理系统，本体，语义网。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2007-11-12 cs.AI cs.LG
Towards an Ontology based integrated Framework for Semantic Web
Electronic Research Institute（电子研究所）；Al-Azhar University（爱资哈尔大学）
这种本体被广泛用于解决网络上的信息异构性问题，因为它们的能力，提供明确的意义的信息。它们成为以结构化方式进行知识表示的有效工具。对于同一个领域，总是有多个本体。此外，没有一个标准的方法来构建本体，有许多本体构建工具使用不同的本体语言。由于这些原因，本体之间的互操作性非常低。目前的本体工具大多使用函数来建立、编辑和推理本体。在大多数工具中没有包含用于合并异构领域本体的方法。本文提出了一种本体合并方法，用于从异构的可扩展置标语言（XML）数据源中构建一个全局本体，以捕获和维护XML数据源所能包含的所有知识
2013-05-30 cs.AI
Towards arrow-theoretic semantics of ontologies: conceptories
在知识表示领域范畴论方法和逻辑方法的努力中，我们提出了概念的概念。我们认为交集/工会和其他结构的概念表达替代范畴理论（共）限制，并显示它们具有类似的功能（投影，在）喷射。然后，我们简要地讨论了建立在概念的基础上的形式系统的开发方法，并描述了这种系统的具体本体的可能应用。
2010-08-07 cs.AI cs.LO math.CT
Using off-the-shelf LLMs to query enterprise data by progressively revealing ontologies
RelationalAI
针对LLM因token限制无法容纳大型企业本体的问题，提出逐步揭示恰好足够本体内容的零样本提示解决方案，以提升自然语言到形式化查询的转换准确率。
2024-10-11 cs.AI cs.DB
Towards the Ontology Web Search Engine
本文提出了本体Web搜索引擎的设计方案。本文的主要目的是开发这样一个项目，可以很容易地实现。本体网络搜索引擎是一种在网络中查找和索引本体的软件。OWL（Web Ontology Languages）是指本体，它们是SWES（Semantic Web专家系统）运行所必需的。SWES是一个专家系统，它将使用从Web上找到的本体，从中生成规则，并将用这些生成的规则补充其知识库。预计SWES将作为一般用户的通用专家系统。
2015-05-04 cs.AI cs.DL cs.IR
To Neuro-Symbolic Classification and Beyond by Compiling Description Logic Ontologies to Probabilistic Circuits
University of Pisa（比萨大学）；University of Bologna（博洛尼亚大学）；University of Edinburgh（爱丁堡大学）
通过将描述逻辑本体编译为概率电路，实现神经符号分类与知识表示的深度融合，提升演绎推理效率和预测一致性。
2026-01-21 cs.AI
Shiva: A Framework for Graph Based Ontology Matching
Banasthali University（巴纳斯达利大学）；Center for Development of Advanced Computing（先进计算发展中心）；Apaji Institute（阿帕吉学院）
长期以来，企业一直在寻找能够提供数据结构化描述的知识源，并且能够专注于意义和共享理解。可以促进开放世界假设的结构，并且可以足够灵活地合并和识别一个实体的多个名称。主要目的是促进人类通信和互操作性的源。显然，数据库无法提供这些功能，本体已经成为一种替代选择，但在同一领域工作的公司往往会制作不同的本体。当他们想要分享他们的数据/知识时，就会出现问题。因此，我们需要工具来合并成一个本体。这个任务被称为本体匹配。这是一个新兴的领域，我们仍然要走很长的路，有一个理想的匹配器，可以产生良好的结果。在本文中，我们已经展示了一个框架，匹配本体使用图。
2014-03-28 cs.AI
Training-Free Clinical Reasoning through Medical Ontologies and Cognitive Mapping: A Symbolic-Probabilistic Knowledge Graph Framework
提出CKG Reasoner框架，通过医学本体和认知映射实现无训练临床推理，利用符号-概率知识图谱整合证据，在六个回顾性队列中取得高F1分数，验证了知识驱动诊断的可行性。
2026-09-29 cs.AI
