Do Dogs have Whiskers? A New Knowledge Base of hasPart Relations
Allen Institute for AI（艾伦人工智能研究所）
我们提出了一个新的知识库的hasPart关系，提取一个大型语料库的通用语句。作为其他可用资源的补充，它是第一个同时具备以下三项的资源：准确（90%的精确度），突出（涵盖一个人可能提到的关系），并且具有高覆盖率的常用术语（近似在10岁的词汇表内），以及比流行的本体概念网和WordNet多几倍的hasPart条目。此外，它还包含有关量词、参数修饰符的信息，并将实体链接到Wikipedia和WordNet中的相应概念。知识库可在https://allenai.org/data/haspartkb上获得
2020-06-12 cs.AI cs.CL
An Efficient Technique for Similarity Identification between Ontologies
当本体同时用于信息共享、合并、集成和查询过程时，通常会遭受语义异构性的影响。因此，本体之间的相似性识别成为一个强制性的任务，所有这些过程来处理语义异构性的问题。在本文中，我们提出了一个有效的技术，两个本体之间的相似性测量。所提出的技术确定所有候选人对相似的概念，而不会遗漏任何相似的对。所提出的技术可以用于不同类型的操作本体，如合并，映射和对齐。通过分析其结果的完整性，正确性和整体质量的结果方面的合理改进已被发现。
2010-06-23 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
Improving the Competency of First-Order Ontologies
University of the Basque Country UPV/EHU（巴斯克大学（UPV/EHU））
我们引入了一个新的框架来评估和改进一阶（FO）本体使用自动定理证明器（ATP）的能力问题（CQ）的基础上。我们的框架包括适应一阶逻辑框架的本体评估方法和一组新的非平凡CQ设计来评估FO版本的相扑，这显着扩展了文献中提出的非常小的CQ集。这些新CQ中的大多数都是从一小部分模式和WordNet到SUMO的映射中自动生成的。应用我们的框架，我们证明了Adimen-SUMO v2.2优于TPTP-SUMO。此外，利用ATP提供的反馈，我们已经设置了Adimen-SUMO（v2.4）的改进版本。这个新版本在能力方面优于以前的版本。例如，“人类可以推理”是从Adimen-SUMO v2.4自动推断出来的，而它既不能从TPTP-SUMO也不能从Adimen-SUMO v2.2推断出来。
2015-10-16 cs.AI cs.LO
Transforming Geospatial Ontologies by Homomorphisms
Royal Bank of Canada（加拿大皇家银行）
本文将地理空间本体及其操作抽象为代数系统，利用同态、商和嵌入研究本体聚类、合并系统及偏序结构在变换下的保持性质。
2023-09-21 cs.AI cs.DM
OntoRich - A Support Tool for Semi-Automatic Ontology Enrichment and Evaluation
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）
本文介绍了OntoRich框架，一个支持工具，半自动本体充实和评价。WordNet用于从RSS流中提取动态本体丰富的候选者。通过与OpenNLP的集成，系统可以对RSS新闻进行语法分析。丰富的本体进行评估，对几个定性指标。
2013-04-19 cs.AI
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
A New Method for the Semantic Integration of Multiple OWL Ontologies using Alignments
Université de Tunis El Manar（突尼斯埃尔马纳尔大学）；Faculté des Sciences de Tunis（突尼斯理学院）；Institut Supérieur des Langues Appliquées et d’Informatique de Béja（贝贾高等应用语言与计算机学院）
这项工作是作为硕士论文项目的一部分完成的。其目标是将两个或多个本体（相同或接近的领域）集成到一个新的一致和连贯的OWL本体中，以确保它们之间的语义互操作性。为了做到这一点，我们选择创建一个桥本体，其中包括所有的源本体和它们的桥接公理在一个定制的方式。此外，我们引入了一个新的标准，以获得更好的质量本体（具有最小的语义/逻辑冲突）。我们还提出了新的术语和定义，澄清了在最先进的作品中随机使用的不明确和错位的“整合”和“合并”概念。最后，我们测试和评估我们的OIA 2 R工具使用本体和参考对齐的OAEI运动。事实证明，它是通用的，高效的和足够强大的。
2018-10-05 cs.AI
Recognizing Entity Types via Properties
University of Trento（特伦托大学）
针对本体合并中的异构性问题，提出基于属性的上下文相似性指标和机器学习 etype 识别算法，实验证明其优于现有方法。
2023-04-24 cs.AI
A Framework for Semi-automated Web Service Composition in Semantic Web
Maharashtra Institute of Technology（马哈拉施特拉理工学院）
互联网上可用的Web服务的数量及其使用正在快速增长。在许多情况下，一个服务不足以完成业务需求;需要进行Web服务组合。Web服务的自主组合以实现新的功能正在引起语义Web领域的广泛关注。通过服务组合可以减少新应用程序的开发时间和工作量。在文献中讨论了各种方法来执行Web服务的自动组合。利用本体进行Web服务组合是有效的方法之一。在本文中，我们演示了如何本体为基础的组合可以更快地为每个客户。我们提出了一个框架，提供预组合的Web服务，以满足用户的需求。我们详细介绍了如何本体合并可以用于组合，加快整个过程。我们讨论了框架如何提供客户特定的本体合并和存储库。我们还详细介绍了如何合并的本体进行。
2013-11-26 cs.AI
DOLCE: A Descriptive Ontology for Linguistic and Cognitive Engineering
本文介绍了首个被公理化的基础本体DOLCE，它受认知与语言学启发，为跨领域知识整合提供稳定的通用类别与关系，并展示了其实际建模应用。
2023-08-03 cs.AI
Weight Initialization in Neural Language Models
Indian Institute of Technology, Madras（马德拉斯印度理工学院）
语义相似性是一个重要的应用，它在许多下游NLP应用中得到了应用。虽然这项任务是数学定义的，但语义相似性的本质是捕捉人类中灌输的相似性概念。机器使用一些词汇学来计算单词之间的相似度，但这些通常依赖于语料库，或者对特定领域有用。语义相似性和语义相关性之间的差异激发了新算法的发展。对于人类来说，汽车和道路这个词可能就像汽车和公共汽车一样相关。但这可能不是计算方法的情况。本体方法在语义相似度的编码方面表现较好，向量空间模型在语义相关度的编码方面表现较好。有一个缺乏的方法，利用本体来创建更好的矢量表示。该提案的目的是探索混合方法的方向，该方法结合了Word 2 Vec等统计/向量空间方法和WordNet等本体方法，以利用两者提供的优势。
2018-05-12 cs.AI cs.CL
DKP-AOM: results for OAEI 2015
Université Lumière Lyon2（里昂第二大学）
在本文中，我们介绍了我们的DKP-AOM系统在OAEI 2015活动中获得的结果。AOM是一个本体合并工具，旨在合并异构本体。在OAEI中，我们参与了其本体映射组件，该组件作为一个基本模块，能够在合并之前匹配大规模本体。这是我们第一次成功参加会议，OA 4 QA和OAEI的解剖学轨道。DKP-AOM参与了两个版本（DKP-AOM和DKP-AOM_lite），DKP-AOM执行一致性分析。在OA 4 QA跟踪中，DKPAOM在评估中表现出色，并生成了准确的比对，可以回答评估中的所有查询。我们还可以看到它在其他知名系统中的评估计划中的会议轨道的竞争结果。在解剖轨迹中，它在分配的时间内产生了对齐，并出现在产生连贯结果的系统列表中。最后，我们讨论了一些未来的工作对DKP-AOM的发展。
2015-10-06 cs.AI
Categorization of Semantic Roles for Dictionary Definitions
University of Passau（帕绍大学）
理解术语之间的语义关系是自然语言处理应用中的一项基本任务。虽然可以以正式方式表达这些关系的结构化资源（如本体）仍然稀缺，但收集字典定义的大量语言资源正在变得可用，但理解自然语言定义的语义结构是使其在语义解释任务中有用的基础。WordNet的注释的一个子集的分析的基础上，我们提出了一组语义角色，组成的字典定义的语义结构，并显示它们是如何相关的定义的语法配置，识别模式，可用于开发的信息抽取框架和语义模型。
2018-06-20 cs.CL
Is it a Fruit, an Apple or a Granny Smith? Predicting the Basic Level in a Concept Hierarchy
Centrum Wiskunde & Informatica（数学与计算机科学研究中心）
根据认知心理学的实验，“基本层次”是概念层次中的抽象层次，在这个层次上，人类比其他层次更快、更准确地完成任务。我们认为，使用概念层次结构的应用程序-如知识图谱，本体或分类-可以显着提高他们的用户界面，如果他们“知道”的概念是基本的概念。本文探讨了在多大程度上可以从数据中学习基本水平。我们测试了受基本层次理论启发的三种概念特征的效用：词汇特征、结构特征和频率特征。我们在WordNet上评估了我们的方法，并创建了一组手动标记的示例，其中包括来自不同领域的概念。我们的研究结果包括，基本水平的概念，可以准确地确定在一个领域。人类难以标记的概念也更难自动分类。我们的实验提供了深入了解如何跨域的分类性能可以得到改善，这是必要的识别基本水平的概念在更大的规模。
2019-10-25 cs.AI cs.CL
Ontology Learning and Knowledge Graph Construction: A Comparison of Approaches and Their Impact on RAG Performance
本文比较了不同知识图谱构建策略对RAG性能的影响，发现融合文本块信息的本体引导知识图谱性能优于向量检索基线，且基于关系数据库构建的本体引导知识图谱在性能相当的同时，具有降低LLM使用成本和避免本体合并复杂性的双重优势。
2025-11-08 cs.AI cs.IR
Linking Geographic Vocabularies through WordNet
University College Dublin（都柏林大学学院）
链接开放数据（LOD）模式已成为构建和共享地理空间信息的一种有前途的方法。这一愿景的主要障碍之一是在异构词汇和本体之间的自动集成，提供了不断增长的星座开放的地理知识库的语义骨干中发现的困难。在本文中，我们将展示如何利用WordNet作为语义中心来增加LOD的集成。考虑到这一目的，我们设计Voc2WordNet，一个给定的词汇和WordNet之间的无监督映射技术，结合内涵和外延方面的地理术语。Voc2WordNet的评估对人类生成的路线与OpenStreetMap（OSM）语义网络，众包的地理空间资源，和GeoNames本体，一个大型数字地名词典的词汇样本。实验结果表明，该方法具有较高的查准率和查全率.
2014-04-22 cs.CL cs.IR
Combining Named Entities with WordNet and Using Query-Oriented Spreading Activation for Semantic Text Search
基于关键字的文本搜索并不令人满意，因为命名实体和WordNet单词也是定义文档内容或出现它们的查询的重要元素。命名实体具有本体特征，即它们的别名、类和标识符。WordNet中的词也具有本体特征，即同义词、上位词、下位词和义项。概念的这些特征可能隐藏在它们的文本外观中。此外，还有一些相关的概念没有出现在查询中，但如果添加它们，则可以显示查询的含义。提出了一种基于本体的广义向量空间模型来进行语义文本搜索。它利用命名实体和WordNet词的本体特征，并开发了一个面向查询的扩散激活算法来扩展查询。此外，它结合和利用不同的本体的语义标注和搜索的优势。在基准数据集上的实验表明，在MAP度量方面，我们的模型比纯粹基于关键字的模型好42.5%，比仅使用WordNet或命名实体的模型分别好32.3%和15.9%。关键词：语义搜索，扩散激活，本体，命名实体，WordNet。
2018-07-20 cs.IR
Collaborative ontology sharing and editing
Université de La Réunion（留尼汪大学）；Griffith University（格里菲斯大学）
这篇文章首先列出了为什么-从长远来看，或当创建一个新的知识库（KB）的一般知识共享的目的-协作建设一个组织良好的知识库没有/可以提供更多的可能性，在整体上没有更多的成本，比主流的方法，知识的创造和再利用涉及搜索，合并和创建（半）独立（相对较小）的本体或半正式的文件。本文列出了实现这一目标所需的要素，并描述了主要要素：知识库编辑协议，该协议使知识库免于自动/手动检测到的不一致，同时不强迫他们讨论或同意术语和信念，也不需要选择委员会。
2013-05-30 cs.AI
ConTrOn: Continuously Trained Ontology based on Technical Data Sheets and Wikidata
在涉及来自全球供应商的各种零件的工程项目中，一项常见的任务是确定哪些零件最适合项目要求。有关特定部件特性的信息发布在所谓的数据表中。然而，这些数据表通常仅以文本形式发布，例如，作为PDF。因此，必须将它们转换为机器可解释的格式。这个转换过程仍然需要大量的手动干预，并且容易出错。自动化方法利用本体来捕获给定的域，从而改进从数据表的自动信息抽取。然而，本体论仅仅依赖于它们的创造者在创造时的经验和观点，不能随着时间的推移自己积累知识。本文介绍了ConTrOn --持续训练的本体--一个自动扩充本体的系统。ConTron通过将从数据表中提取的知识与领域专家和外部知识库（如WordNet和Wikidata）创建的本体相结合来解决术语问题。为了演示丰富的本体如何改进信息抽取过程，我们选择了航天器开发的数据表作为用例。评价结果表明，本体丰富后，基于本体的数据表中提取的信息量显着增加。
2019-06-16 cs.IR
Semantic-Driven e-Government: Application of Uschold and King Ontology Building Methodology for Semantic Ontology Models Development
Vaal University of Technology（瓦尔理工大学）；North-West University（西北大学）
电子政务是近六年来本体论发展最活跃的领域之一。在电子政务中，本体被用来描述和指定电子政务服务（电子服务），因为它们可以轻松地组合，匹配，映射和合并各种电子政务服务。更重要的是，它们还促进了电子政务服务的语义集成和互操作性。然而，目前的文献中还不清楚如何将现有的本体构建方法应用于政府服务领域的语义本体模型。在本文中，Uschold和King本体构建方法的应用，开发语义本体模型在政府服务领域。首先，提出并讨论了Uschold和King方法，并将其应用于政府领域本体的构建。其次，领域本体的语义一致性评估使用其半形式化的描述逻辑表示。第三，对齐的领域本体与语言和认知工程的描述性本体（DOLCE）的上层本体绘制，使其更广泛的可见性，并促进其与现有的元数据标准的集成。最后，用Web本体语言（OWL）对领域本体进行形式化描述，使其能够被计算机自动处理。该研究旨在为现有的本体构建方法在电子政务领域特定的本体模型的语义Web开发过程中的应用提供方向，这将使其在其他电子政务项目中的可重复性，并加强在电子政务中采用语义技术。
2011-11-08 cs.AI
A Semantic VSM-Based Recommender System
在线论坛使用户能够围绕各种主题进行讨论。这些环境的严重问题之一是大量的讨论，因此信息过载问题。传统的信息检索技术没有考虑到用户的兴趣，无法很好地解决这一问题。因此，使用一个推荐系统（RS），可以根据用户的喜好来推荐用户最喜欢的主题，可以增加论坛的活力，防止用户重复发帖。此外，考虑语义可以是有用的，以提高基于IR的RS的性能。我们的目标是研究本体和数据采掘技术对改进基于内容的RS的影响。为了这个目的，首先，三种类型的本体将被构建从领域语料库利用文本挖掘，自然语言处理（NLP）和Wordnet，然后他们将被用作输入两种RS：一个，完全基于本体和一个丰富的用户简档矢量与本体在向量空间模型（VSM）（建议的方法）。然后将结果与基于简单VSM的RS进行比较。给出的结果表明，建议的RS呈现出最高的性能。
2014-06-12 cs.IR
