An Ontology for Representing Curriculum and Learning Material
Wright State University（怀特州立大学）；Kansas State University（堪萨斯州立大学）
本文提出Curriculum KG Ontology，通过组织性和教学原则对教育材料进行密集互链，并在Prototype Open Knowledge Network用例中构建物化图，利用领域专家与教育者提供的能力问题完成验证。
2025-06-06 cs.AI cs.CY
Ontologies for the Virtual Materials Marketplace
STFC Daresbury Laboratory（科学技术设施委员会达斯伯里实验室）；Institute of Chemical Process Fundamentals of the Czech Academy of Sciences（捷克科学院化学过程基础研究所）；WearHealth UG（威尔健康有限责任公司）；Goldbeck Consulting Ltd（戈德贝克咨询有限公司）；Osthus GmbH（奥斯特胡斯有限公司）；Fraunhofer Institute for Manufacturing Technology and Advanced Materials（弗劳恩霍夫制造技术与先进材料研究所）
虚拟材料市场（VIMMP）项目，它开发了一个开放的平台，提供和访问相关的材料建模服务，提出了一个专注于其本体开发和数据技术方面。在VIMMP中，开发了一个市场级本体系统来表征服务，模型和用户之间的交互;欧洲材料和建模本体（EMMO）被用作顶级本体。本体用于注释存储在VIMMP的ZONTAL Space组件中的数据，并支持在VIMMP市场前端摄取和检索数据和元数据。
2020-02-05 cs.AI cs.DB
Technique for designing a domain ontology
本文描述了设计领域本体的技术，给出了算法设计的流程图，并以构建计算机科学领域本体的一个片段为例。
2018-02-17 cs.AI
Semantic interoperability based on the European Materials and Modelling Ontology and its ontological paradigm: Mereosemiotics
High Performance Computing Center Stuttgart（斯图加特高性能计算中心）；UK Research and Innovation（英国研究与创新署）；STFC Daresbury Laboratory（STFC达斯伯里实验室）
欧洲材料和建模本体（EMMO）最近在计算分子工程和多尺度建模社区中作为顶级本体得到了发展，旨在支持语义互操作性和数据集成解决方案，例如，用于研究数据基础设施。目前的工作探讨如何顶级本体论的基础上相同的范式-相同的一套基本假设-作为EMMO可以应用到物理系统的模型和它们在计算工程实践中的使用。这种范式结合了部分论（扩展为部分拓扑学）和符号学（遵循皮尔士的方法），在这里被称为部分符号学。多个可以想象的方式实现mereosemiotics进行了比较，和设计空间组成的可能类型的顶级本体遵循这种范式的特点。
2021-02-11 cs.AI
Generic Ontology Design Patterns: Roles and Change over Time
DFKI（德国人工智能研究中心）
在这一章中，我们提出了通用本体设计模式，GODP，作为一种方法来表示和实例化的本体设计模式的方式，是适应性强，并允许领域专家（和其他用户）安全地使用它们，而不混乱他们的本体。
2020-11-18 cs.AI
The African Wildlife Ontology tutorial ontologies: requirements, design, and content
University of Cape Town（开普敦大学）
背景大多数教程本体侧重于说明本体开发的一个方面，特别是语言功能和自动推理机，但忽略了本体开发的因素，如紧急建模指南和本体论原则。然而，初学者从他们进行的练习中复制例子。不提供好的例子整体上导致传播次优本体开发，这可能会对一个真正的领域本体的质量产生负面影响。结果我们确定了22个要求，一个好的教程本体应该满足有关学科领域，逻辑和推理，工程方面。我们开发了一套关于非洲野生动物的本体论作为教程本体论。大部分的要求已经满足了一套非洲野生动物本体教程本体，这是本文介绍的。非洲野生动物本体是成熟的，自2010年以来每年都在本体工程课程或教程中使用，并被纳入最近的本体工程教科书，其中有相关的例子和练习。结论非洲野生动物本体论提供了广泛的选择有关的例子和练习的本体工程远远超出了只说明语言功能和自动推理。它有助于演示有关本体质量的任务，例如与基础本体的对齐和满足能力问题、版本控制和多语言本体。
2019-05-23 cs.AI
MODL: A Modular Ontology Design Library
Wright State University（莱特州立大学）
基于模式的模块化本体有几个有益的属性，这些属性适合于FAIR数据实践，特别是当它涉及到互操作性和可重用性时。然而，开发这样的本体具有很高的前期成本，例如，重用模式是基于首先意识到它的存在。因此，为了帮助克服这些障碍，我们开发了MODL：一个模块化本体设计库。MODL是一个精心策划的本体设计模式的集合，这些模式来自各种各样的跨学科用例。在本文中，我们将MODL作为一种资源，讨论其使用，并提供其内容的一些例子。
2019-04-10 cs.AI
An Ontology for Machine Learning Interatomic Potentials
研究机器学习原子间势元数据分散问题，提出MLIPs本体，涵盖方法、训练数据和基准三个模块，连接相关现有本体，通过示例展示和评估，增强数据完整性与一致性。
2026-07-28 cs.AI cs.DB cs.DL
Extracting ontology-compliant knowledge from scientific text describing irradiated materials using large language models
IBM Research（IBM研究院）；Univ. of Granada, Spain（格拉纳达大学）；IFMIF DONES, Spain（IFMIF DONES）；Instituto de Ciencia de Materiales de Madrid (ICMM)（马德里材料科学研究所）；CSIC, Spain（西班牙国家研究委员会）；Universidad de Alicante, Spain（阿利坎特大学）
本文提出eolas模块化流水线，利用大语言模型自动将科学文献转换为符合指定本体的知识图谱，并在辐照材料领域验证其高效性，同时引入首个基准数据集，通过168个实验总结出实用指南。
2026-09-16 cs.AI
SQuAP-Ont: an Ontology of Software Quality Relational Factors from Financial Systems
University of Bologna（博洛尼亚大学）；Innopolis University（因诺波利斯大学）；Institute of Cognitive Sciences and Technologies, National Research Council（国家研究委员会认知科学与技术研究所）；Lero - The Irish Software Research Center（Lero爱尔兰软件研究中心）；University College Cork（科克大学学院）
质量、体系结构和过程被认为是软件工程的重点。ISO在三个不同的标准中定义了它们。然而，迄今为止，它们之间的相互作用很少被研究。SQuAP模型（软件质量、体系结构、过程）描述了影响银行系统软件质量的28个主要因素，每个因素都被描述为来自三个ISO标准的一些特性之间的关系。因此，SQuAP使这种关系严格地出现，尽管是非正式的。在本文中，我们提出了SQuAP-Ont，OWL本体设计遵循一个完善的方法论的基础上重用的本体设计模式（即ODP）。SQuAP-Ont将SQuAP中出现的关系形式化，以通过关于软件工程的关联数据在由质量、体系结构和过程ISO特征组成的三维模型中进行表示和推理。
2019-09-04 cs.AI cs.DB
A Multi-Level Architecture for Reusable Materials Ontologies -- The OntoCrafter Ceramics Ontology (OCO) as Reference Implementation
Numberland
针对材料科学本体在水平、垂直和机制三个维度上的碎片化问题，提出一种多层次模块化架构，通过抽象层次和消费受众两个独立分类轴，并在材料特定层内采用七层机制解释骨架，以OntoCrafter陶瓷本体(OCO v0.94)作为参考实现。
2026-06-17 cond-mat.mtrl-sci cs.AI physics.app-ph
An Ontology Design Pattern for Role-Dependent Names
Kansas State University（堪萨斯州立大学）；Wright State University（莱特州立大学）
本研究提出一种角色依赖名称的本体设计模式，将名称作为角色组成部分建模，解决智能体以不同名称履行不同角色的场景建模问题，该模式由标准智能体角色模式与标准名称模式存根修改合并而成。
2023-05-03 cs.AI
Insights from an OTTR-centric Ontology Engineering Methodology
Bielefeld University（比勒费尔德大学）；University of Oslo（奥斯陆大学）
本文提出以OTTR模板为核心的本体工程方法论，结合自底向上与自顶向下流程，在材料科学领域验证了其在促进领域专家沟通和降低设计决策变更成本方面的价值。
2023-09-22 cs.AI cs.DB
Integrating Ontology Design with the CRISP-DM in the context of Cyber-Physical Systems Maintenance
Helmut Schmidt University（赫尔穆特·施密特大学）；TU Wien（维也纳技术大学）；Ruhr University Bochum（波鸿鲁尔大学）
本研究提出将以领域专家为核心的本体设计与CRISP-DM融合的三阶段方法，用于构建CPS纠错性维护专用本体，并通过模块化加工厂异常检测案例验证了适用性。
2024-07-09 cs.AI
Ontology Design Facilitating Wikibase Integration -- and a Worked Example for Historical Data
Kansas State University（堪萨斯州立大学）；Michigan State University（密歇根州立大学）
Wikibase是Wikidata的基础软件，是一个强大的知识图谱创建和管理平台。然而，它是在考虑众包知识图谱创建场景的情况下开发的，这特别意味着它不是为用例场景而设计的，在这些场景中，将以本体的形式施加严格控制的高质量模式，并且实际上，独立开发的本体不一定无缝映射到维基库方法。在本文中，我们提供了所需的关键成分，以结合传统的本体建模与维基平台的使用，即一组\emph{axiom}模式，弥合范式的差距，连同使用说明和工作的历史数据的例子。
2022-05-27 cs.AI
Commonsense Ontology Micropatterns
Kansas State University（堪萨斯州立大学）；Wright State University（莱特州立大学）
针对 MOMo 缺乏可直接使用的本体设计模式这一问题，本文利用 LLM 的常识知识整理 104 个常见名词模式，构建完全标注且可与 MOMo 配合使用的模块化本体设计库。
2024-02-28 cs.AI cs.LO
Extensions of Generic DOL for Generic Ontology Design Patterns
University of Bremen（不来梅大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Otto-von-Guericke University of Magdeburg（马格德堡奥托·冯·格里克大学）
通用本体是作为分布式本体、建模和规约语言（DOL）的扩展而引入的，其目的是为通用本体设计模式提供一种语言。在本文中，我们提出了一些新的语言结构，增加了通用DOL的表现力和一般性，其中顺序和可选参数，列表参数递归，和当地的子模式。这些都说明了与非平凡的模式：通用值集和（嵌套）定性分级关系，证明在应用领域的定义构建块。
2019-06-14 cs.AI cs.LO
Query Expressibility and Verification in Ontology-Based Data Access
University of Bremen（不来梅大学）
在基于本体的数据访问中，使用本体和映射来集成多个数据源。在实践中，这通常是通过自举过程来实现的，也就是说，本体和映射首先被设计为仅支持源上最重要的查询，然后逐渐扩展以支持其他查询。在本文中，我们研究了两个推理问题，支持这种方法。可表达性问题询问给定源查询$q_s$是否可表达为目标查询（即，在本体的词汇表上），并且验证问题询问，另外给定候选目标查询$q_t$，$q_t$是否表达$q_s$。我们考虑（U）CQ作为源和目标查询以及GAV映射，表明这两个问题在DL-Lite中是$Π^p_2$ -完全的，当源查询是根查询时，在EL和ELHI之间是coNExpTime-完全的，并且对于不受限制的源查询是2 ExpTime-完全的。
2020-11-18 cs.AI cs.DB
Ontology Reuse: the Real Test of Ontological Design
Warsaw University of Technology（华沙理工大学）；Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）；University of Craiova（克拉约瓦大学）
在实践中重用本体仍然是非常具有挑战性的，特别是当多个本体（联合）参与。此外，尽管最近的进展，实现系统的本体质量保证仍然是一个难题。在这项工作中，质量的30个生物医学本体，和计算机科学本体进行了调查，从一个实际的用例的角度来看。特别审查给予跨本体的参考，这是至关重要的结合本体。提出了各种方法来检测潜在的问题，包括自然语言处理和网络分析。此外，提出了一些改进本体及其质量保证过程的建议。有人认为，虽然先进的本体质量保证的自动工具是本体改进的关键，他们不会完全解决问题。本体重用是不断验证和改进本体质量的最终方法，也是指导本体未来发展的根本途径。具体来说，多个问题可以主要通过实用和多样化的本体重用场景来发现和解决。
2022-07-06 cs.AI cs.CL cs.SE
SSDOnt: an Ontology for representing Single-Subject Design Studies
University of the Basque Country, UPV/EHU（巴斯克大学）
针对单被试设计研究缺乏规范标注词汇导致检索受限的问题，研究遵循NeOn方法论开发了专用本体SSDOnt，可用于研究标注、检索与复杂查询，还可扩展适配特定领域需求。
2024-01-26 cs.AI
Ontology-aligned structuring and reuse of multimodal materials data and workflows towards automatic reproduction
Interdisciplinary Centre for Advanced Materials Simulation, Ruhr-Universität Bochum（波鸿鲁尔大学先进材料模拟跨学科中心）；Max Planck Institute for Sustainable Materials（马克斯·普朗克可持续材料研究所）；BAM Federal Institute for Materials Research and Testing（BAM联邦材料研究与测试研究所）
本文提出一种基于本体驱动和大型语言模型的框架，用于自动提取和结构化多模态材料数据和工作流，以提高计算结果的可重现性和重用性。
2026-01-18 cond-mat.mtrl-sci cs.AI
An Ontology Based Modeling Framework for Design of Educational Technologies
Indian Institute of Technology, Tirupati（蒂鲁帕蒂印度理工学院）；International Institute of Information Technology Hyderabad（海得拉巴国际信息技术学院）
尽管取得了快速的进步，但今天的大多数教育技术缺乏强大的教学设计知识基础，导致教学质量受到质疑。此外，一个主要的挑战是为各种教学设计定制这些教育技术。本体是在文献中表示教学设计的相关机制之一。然而，现有的方法不支持灵活的教学设计建模。为了解决这个问题，在本文中，我们提出了一个基于领域模式的教学设计知识的不同方面的系统建模框架。作为框架的一部分，我们提出了建模目标，教学过程和教学材料的本体。我们展示了本体框架，提出的实例，本体的成人识字在印度的大规模案例研究（2.87亿学习者分布在22个印度语言），这需要创建1000个类似的，但不同的电子学习系统的基础上灵活的教学设计。已实施的框架可在http://rice.iiit.ac.in上查阅，并转交给印度政府国家扫盲团。该框架可用于技能系统、学校教育及其他领域的教学设计知识建模。
2018-02-07 cs.AI cs.CY
Ontology Revision based on Pre-trained Language Models
Nanjing University of Posts and Telecommunications（南京邮电大学）；Jilin University（吉林大学）；Southeast University（东南大学）
本文提出基于预训练语言模型的本体修订方法，通过定义四个评分函数和两种修订算法处理不可满足概念，在19个本体对上验证了有效性。
2023-12-26 cs.AI
An Ontology Design Pattern for representing Recurrent Situations
University of Bologna（博洛尼亚大学）
在本文中，我们提出了一个本体的设计模式，表示在定期复发的情况下，共享一些不变的因素，统一他们的概念：我们指的是这一组经常性的情况下，经常性的情况系列。所提出的模式似乎是基础性的，因为它可以概括为建模的顶级域独立的概念的复发，这是严格关联的不变性。该模式重用了其他基本模式，如收集、描述和情况、分类、顺序。事实上，一个经常性的情况系列是形式化的情况下，定期发生的时间和统一的一些属性，是共同的所有成员，和一个情况本身，它提供了一个关系上下文的成员，满足参考描述。除了包括这种模式的一些例证的例子，我们展示了它是如何被实施和专业化，以模拟经常性的文化活动和仪式在ArCo，意大利文化遗产的知识图谱。
2021-01-01 cs.AI
Automatically Drafting Ontologies from Competency Questions with FrODO
Institute of Cognitive Sciences and Technologies, Italian National Research Council (ISTC-CNR)（意大利国家研究委员会认知科学与技术研究所）；University of Bologna（博洛尼亚大学）
我们提出了基于框架的本体设计出口（FrODO），一种新的方法和工具，从能力问题自动起草本体。能力问题被表达为自然语言，并且是用于表示许多敏捷本体工程方法（例如极限设计（XD）或SAMOD）中的需求的常见解决方案。FrODO建立在FRED之上。事实上，它利用框架语义来围绕由FRED从能力问题产生的RDF绘制领域相关的边界，从而起草领域本体。我们进行了基于用户的研究，评估FrODO在支持工程师的本体设计任务。研究表明，FrODO是有效的，由此产生的本体草案是定性的。
2022-08-03 cs.AI cs.CL cs.DB
Redefining Data-Centric Design: A New Approach with a Domain Model and Core Data Ontology for Computational Systems
本研究提出一种以数据为中心的计算系统设计新范式，通过构建融合多模态核心要素的信息学领域模型与OWL 2本体，提升分布式系统的语义一致性与数据安全性，为相关系统开发提供基础指引。
2024-09-01 cs.AI cs.DC cs.LG
Design an Ontology for Cognitive Business Strategy Based on Customer Satisfaction
Amirkabir University of Technology（阿米尔卡比尔理工大学）
本文针对现有商业本体缺乏认知视角的问题，提出设计一个将客户满意度测量与传统商业模型相链接的认知本体模型，并验证其新增财务价值的准确性。
2025-02-19 cs.AI cs.CY
A Study Investigating Typical Concepts and Guidelines for Ontology Building
Taif University（塔伊夫大学）
在语义技术中，工件（人或软件代理）之间对信息结构的共享的共同理解可以通过构建本体来实现。要做到这一点，本体构建者必须回答几个问题：a）本体的主要组件是什么？b）本体是什么样子的，它是如何工作的？c）验证是否需要考虑重用现有本体？c）要开发的本体的复杂性是什么？d）本体设计和开发的原则是什么？如何评价一个本体？本文回答了上述所有关键问题。本文的目的是提出一套指导原则，以帮助本体开发人员和经验不足的用户回答这样的问题。
2015-09-17 cs.AI
A Modular Ontology for MODS -- Metadata Object Description Schema
Kansas State University（堪萨斯州立大学）；Wright State University（莱特州立大学）；South Dakota School of Mines & Technology（南达科他矿业理工学院）
针对 MODS 在知识图谱语境下的 XML 局限性，本文基于 MOMo 方法开发了包含其所有元素与属性的模块化本体 MMODS-O，在实现高质量模块化设计的同时保持了向后兼容。
2023-07-31 cs.AI cs.CL
The CaLiGraph Ontology as a Challenge for OWL Reasoners
University of Mannheim（曼海姆大学）
CaLiGraph是一个大规模的跨领域知识图谱，它利用维基百科中的分类系统、列表页面和其他列表结构从维基百科生成，包含超过1500万个类型化实体和大约1000万个关系断言。除了知识图谱，如DBpedia和YAGO，其本体过于简单，CaLiGraph也有丰富的本体，包括超过200，000个类限制。这两个属性-一个大的A盒和一个丰富的本体-使它成为基准推理机的一个有趣的挑战。在本文中，我们证明了一个推理任务，这是特别相关的CaLiGraph，即，将owl：hasValue约束具体化为个体之间以及个体与文字之间的断言，不足以得到可用推理系统的支持。我们提供了不同大小的基准子集的CaLiGraph，可用于推理系统的性能分析。
2022-01-04 cs.AI
The Common Core Ontologies
U.S. Customs and Border Protection（美国海关和边境保护局）；National Center for Ontological Research（国家本体论研究中心）；University at Buffalo（布法罗大学）；CUBRC, Inc.（CUBRC公司）；Institute for Artificial Intelligence and Data Science（人工智能与数据科学研究所）
针对被广泛采用的中层本体套件Common Core Ontologies（CCO）文档不足的问题，本文通过介绍其包含的11个本体的内容，为完善CCO的文档体系提供了支撑。
2024-08-16 cs.AI cs.DB cs.LO
Ontology-based knowledge graph infrastructure for interoperable atomistic simulation data
本文提出基于本体的知识图谱基础设施，用于整合和表示原子模拟数据，解决异构格式、元数据不全和标准表示不足的问题，通过统一表示实现跨数据集的一致查询与分析。
2026-03-31 cond-mat.mtrl-sci cs.AI cs.DB
Development of an Ontology to Assist the Modeling of Accident Scenarii "Application on Railroad Transport "
INRETS（法国国家交通与安全研究院）；RAID Labs（RAID实验室）；RIADI Labs（RIADI实验室）
在一个沟通和信息共享是我们业务核心的世界里，术语需求是最紧迫的。必须以协商一致和连贯一致的方式确定所使用和定义的术语，同时保持语言多样性。为了精简和加强训练事故数据库的获取、表述和利用过程，有必要统一和标准化安全领域各参与方使用的术语。该研究旨在通过跟踪系统、硬件、软件和人的错误，显着改善各种安全研究的分析活动和操作。本文介绍了本体建模的贡献，通过一个知识模型的基础上，通用本体和领域本体的轨道交通事故。在详细介绍了最先进的材料之后，本文介绍了开发模型的第一个结果。
2012-03-05 cs.AI
NFDIcore 2.0: A BFO-Compliant Ontology for Multi-Domain Research Infrastructures
FIZ Karlsruhe – Leibniz Institute for Information Infrastructure（FIZ卡尔斯鲁厄——莱布尼茨信息基础设施研究所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出符合BFO的本体NFDIcore 2.0，通过模块化设计与SWRL规则实现德国NFDI多领域研究基础设施的互操作和跨域知识发现。
2024-09-16 cs.AI cs.DL
When Does Bigger Help? A Controlled Study of LLM Scale for Ontology Learning
TIB Leibniz Information Centre for Science and Technology（莱布尼茨科学与技术信息中心（TIB））；L3S Research Center（L3S研究中心）；Leibniz University of Hannover（汉诺威莱布尼茨大学）
该研究对照评估13个LLM后发现，模型规模并非本体学习的充分选择标准，架构和系列影响更大，为LLM辅助本体工程提供实证指导。
2026-09-01 cs.AI
The design and implementation of Language Learning Chatbot with XAI using Ontology and Transfer Learning
Division of Science and Technology, Beijing Normal University-Hong Kong Baptist University United International College（北京师范大学-香港浸会大学联合国际学院科技学部）
本文提出了一种基于迁移学习的英语学习聊天机器人，该机器人使用GPT-2生成的输出可以用基于微调数据集的本体图来解释。我们为系统的英语学习设计了三个层次，包括用于语音识别和发音纠正的语音层次，用于特定领域会话的语义层次，以及模拟英语中的自由式会话-作为自由式会话代理的语言聊天机器人通信的最高层次。在学术贡献方面，我们实现了本体图来解释自由式会话的性能，遵循XAI（可解释人工智能）的概念来可视化仿生学中的神经网络的连接，并解释从语言模型输出的句子。从实现的角度来看，语言学习代理集成了微信中的小程序作为前端，微调了迁移学习的GPT-2模型作为后端，通过本体图解释响应。
2020-09-29 cs.AI cs.CL cs.LG
CODO: An Ontology for Collection and Analysis of Covid-19 Data
Indian Statistical Institute（印度统计研究所）
COviD-19病例和患者信息本体（CODO）为收集和分析有关COVID-19大流行的数据提供了一个模型。本体提供了一个基于标准的开源模型，便于集成来自异构数据源的数据。该本体通过分析不同的COVID-19数据源（如数据集、文献、服务等）而设计。该本体通过重用其他领先词汇表中的概念以及使用W3C标准RDF、OWL、SWRL和SPARQL，遵循词汇表的最佳实践。本体已经有一个独立的用户，并已纳入来自印度政府的真实世界的数据。
2020-09-02 cs.AI cs.IR
Acquisition and Representation of User Preferences Guided by an Ontology
Université Paris 13（巴黎第十三大学）
我们的食物偏好指导我们的食物选择，反过来又影响我们的个人健康和社会生活。在本文中，我们采用了一种方法，使用OWL 2表示的领域本体，以支持形式主义CP-Net中的偏好的获取和表示。具体而言，我们提出了领域本体的建设和问卷设计，以获取和表示的偏好。在大学食堂领域实现了偏好的获取和表示。我们在这一初步工作的主要贡献是获取偏好和丰富的模型，最好与领域知识表示的本体。
2022-01-11 cs.AI
Ontology of Card Sleights
Iowa State University（爱荷华州立大学）
我们提出了一个机器可读的运动写作的戏法的手与卡-一个“拉巴诺塔的卡魔术。“这个运动书写方案包含440种运动类别，似乎对1500多种出版物中出现的所有卡片技巧进行了分类。运动书写在$\mathcal{SROIQ}$（D）描述逻辑中被公理化，并被形式化地收集为卡片书写本体，这是扩展基本形式本体和信息书写本体的计算本体。Card Sleights的本体是用OWL DL（Web本体语言的描述逻辑片段）实现的。虽然本体论在历史上被用于在较低的粒度级别上进行分类，但纸牌戏法的算法性质允许我们一步一步地转录表演者的动作。最后，我们讨论了设计标准，我们用来确保本体可以访问和修改一个简单的点击和拖动界面。这可以允许具有卡片魔术知识但没有本体背景的用户进行数据库搜索和性能转换。
2019-03-20 cs.AI
Towards an Ontology-Driven Blockchain Design for Supply Chain Provenance
Schulich School of Business, York University（约克大学舒立克商学院）；York University（约克大学）
在我们的大数据时代，一个有趣的研究问题是确定出处。对实物商品的来源进行细致的评估-例如跟踪药品的成分或证明奢侈品的真实性-对于今天在复杂的、组织间的、往往跨越国际的供应链中生产和运输的物品来说，往往是不可能的。最近采用的物联网和区块链技术为更好的供应链来源提供了希望。我们对区块链特别感兴趣，因为区块链的许多受欢迎的用例都是用于来源跟踪。我们也有兴趣应用本体，因为已经有一些工作做了知识来源，可追溯性和食品来源使用本体。在本文中，我们将说明为什么本体可以有助于区块链设计。为了支持这种情况，我们分析了一个可追溯性本体，并将其一些表示转换为智能合约，这些智能合约执行出处跟踪并在以太坊区块链平台上实施可追溯性约束。
2016-08-28 cs.AI cs.CY
Explanation Ontology: A Model of Explanations for User-Centered AI
Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM Research（IBM研究院）
可解释性一直是人工智能（AI）系统的目标，因为它们的概念，随着更复杂的AI模型越来越多地用于关键的，高风险的设置，如医疗保健，对可解释性的需求越来越大。解释通常以非原则性的、事后的方式添加到人工智能系统中。随着这些系统的广泛采用和对以用户为中心的可解释性的强调，需要一种结构化的表示，将可解释性作为主要考虑因素，将最终用户需求映射到特定的解释类型和系统的AI功能。我们设计了一个解释本体模型的解释，占系统和用户属性的过程中的作用，以及不同的文献衍生的解释类型的范围。我们指出本体如何可以支持用户的需求，在医疗保健领域的解释。我们评估我们的本体与一组面向系统设计师谁可能使用我们的本体来决定哪些解释类型，包括一组能力问题，给出了用户的需求和系统的能力相结合，无论是在系统设计设置和实时操作。通过使用这种本体，系统设计人员将能够做出明智的选择，人工智能系统可以并且应该提供哪些解释。
2020-10-04 cs.AI cs.HC cs.LG
Ontology-based Design of Experiments on Big Data Solutions
NATO STO Centre for Maritime Research and Experimentation (NATO STO-CMRE)（北约科技组织海事研究与实验中心）；Institut de Recherche de l’École Navale (IRENav)（法国海军学院研究所）
大数据解决方案旨在处理大量和广泛的数据，这些数据需要以高速度摄取并具有潜在的准确性问题，挑战通常被称为“大数据的4V”的特征。为了评估可能复杂的大数据解决方案，压力测试需要评估大量的子组件组合以及可能的大数据变化。大数据解决方案的实验设计（DoE）的正式化旨在确保实验的可重复性，促进子实验的划分，并保证其结果在全球评估中的一致性。在本文中，提出了一种基于本体的方法，以支持大数据系统的评估在两个方面。首先，该方法形式化了大数据解决方案的分解和重组，允许在组件间级别聚合组件评估结果。其次，现有的工作DoE被翻译成一个本体，以支持选择的实验。所提出的基于本体的方法提供了可能性，从评估域和应用领域的知识相结合。它利用域和域间的特定限制的因素组合，以减少实验的数量。与现有的方法相反，本体论的拟议使用不限于断言描述和利用过去的实验，但从头开始的能源部的发展提供了更丰富的术语描述。作为一个应用示例，选择了通过移动性分析检测和预测船舶可疑行为问题的海事大数据解决方案。文章最后对今后的工作作了展望。
2019-04-18 cs.AI
Towards Ontology Reshaping for KG Generation with User-in-the-Loop: Applied to Bosch Welding
Bosch Center for AI（博世人工智能中心）；University of Oslo（奥斯陆大学）；Nanjing University（南京大学）
知识图谱（KG）在广泛的应用中使用。由于工业中的数据量和多样性，KG生成的自动化是非常期望的。生成领域知识库的一个重要方法是将原始数据映射到给定的领域知识库模式，即领域本体，并根据领域本体构造实体和属性。然而，这种本体的自动生成是苛刻的，现有的解决方案往往不能令人满意。一个重要的挑战是本体工程的两个原则之间的权衡：面向知识和面向数据。前者规定本体应建模领域的一般知识，而后者强调反映数据的特殊性，以确保良好的可用性。我们通过我们的本体重塑方法来解决这一挑战，该方法将给定的领域本体转换为较小的本体，作为KG模式。领域本体可以被设计为面向知识的，KG模式覆盖了数据的特性。此外，我们的方法允许在循环中包含用户偏好的选项。我们展示了我们正在进行的本体重塑研究，并提出了一个评估使用真实的工业数据，有希望的结果。
2022-09-22 cs.AI
The problem of the development ontology-driven architecture of intellectual software systems
本文描述了领域本体知识库自动设计智能系统的体系结构和管理GUI（图形用户界面）子系统的软件模型
2018-02-22 cs.AI
Temporal Description Logic for Ontology-Based Data Access (Extended Version)
Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Liverpool（利物浦大学）；Birkbeck, University of London（伦敦大学伯贝克学院）
我们的目标是调查基于本体的数据访问时间的有效性时间和本体能够时间概念建模的时态数据。为此，我们设计了一个时态描述逻辑，TQL，扩展了标准的本体语言OWL 2 QL，提供了基本的手段，时间概念建模，并确保一阶重写适当定义的数据实例的有效期的合取查询。
2013-04-30 cs.AI cs.LO
The Belief-Desire-Intention Ontology for modelling mental reality and agency
CNR - Institute of Cognitive Sciences and Technologies（CNR认知科学与技术研究所）；CNR - Institute for Research on Population and Social Policies（CNR人口与社会政策研究所）；CNR - Research Institute on Sustainable Economic Growth（CNR可持续经济增长研究所）；University of Bologna - Department of Philosophy（博洛尼亚大学哲学系）
本文提出了一种形式化的BDI本体，通过模块化设计模式实现信念、愿望、意图及其动态关系，结合LLMs和Semas平台验证其在认知基础和语义可互操作性中的应用。
2026-08-11 cs.AI
Pattern-based design applied to cultural heritage knowledge graphs
University of Bologna（博洛尼亚大学）；Central Institute for Cataloguing and Documentation（中央编目与文献研究所）；Ministry of Cultural Heritage and Activities（文化遗产与活动部）；Institute of Cognitive Sciences and Technologies（认知科学与技术研究所）；Italian National Research Council（意大利国家研究委员会）
本体设计模式（ODPs）已经成为保证高质量本体工程的既定和公认的实践。有几个ODP存储库，其中ODP是共享的，以及本体设计方法，建议重用它们。建议执行严格的测试，以及支持本体维护和验证产生的资源对它的激励需求。然而，要找到如何应用这些方法来开发特定领域的知识图谱的指导方针并不那么简单。ArCo是意大利文化遗产的知识图谱，采用极限设计（XD）开发，这是一种ODP和测试驱动的方法。在其开发过程中，XD已经适应了CH领域的需求，例如从开放的、多样化的消费者社区收集需求，定义了新的ODP，并且许多ODP已经专门用于满足特定的CH需求。本文介绍了ArCo，并介绍了如何应用XD的CH知识图谱的开发和验证，还详细介绍了（智能）的过程中遇到的建模问题匹配ODP。相关的贡献还包括一个新的网络工具，支持单元测试的知识图谱，严格的评估ArCo，并讨论在ArCo开发过程中吸取的方法学经验教训。
2020-06-20 cs.AI cs.CY cs.DB
OntoChat: a Framework for Conversational Ontology Engineering using Language Models
King’s College London（伦敦国王学院）；Cefriel – Politecnico di Milano（Cefriel - 米兰理工大学）；Vienna University of Economics and Business（维也纳经济大学）；Universidad Politécnica de Madrid（马德里理工大学）
针对大型项目中多方交互导致的本体工程需求获取歧义与人工依赖问题，提出对话式本体工程框架OntoChat，支持需求获取、分析和测试，通过对话代理辅助用户故事创建、胜任力问题提取及早期本体测试，并在Music Meta Ontology复制实验中验证了有效性。
2024-04-26 cs.AI
An Argumentation-Based Legal Reasoning Approach for DL-Ontology
Edinburgh Law School, University of Edinburgh（爱丁堡大学法学院）
本体是包括法律领域在内的不同领域中知识表示的一种流行方法，描述逻辑（DL）是其常用的描述语言。为了处理基于不一致DL的法律本体的推理，本文在ASPIC+的基础上提出了一个结构化的论证框架，并将法律本体转化为论证理论的公式和规则。从法律人工智能的角度特别关注自动驾驶汽车的设计，我们表明，使用这种形式化论证和基于DL的法律本体相结合的理论，可以获得可接受的断言不一致的本体的基础上，DL本体的传统推理任务也可以完成。此外，给出了推理结果解释的形式化定义。
2022-09-18 cs.AI
Multifaceted Context Representation using Dual Attention for Ontology Alignment
IIIT Hyderabad（印度信息技术与通信技术研究院海得拉巴分校）；IBM Research（IBM研究院）
本体对齐是一个重要的研究问题，发现应用在各个领域，如数据集成，数据传输，数据准备等国家的最先进的（SOTA）架构本体对齐通常使用天真的领域依赖的方法与手工制作的规则和手动分配的值，使它们不可扩展和效率低下。用于本体对齐的深度学习方法使用特定于领域的架构，这些架构不仅无法扩展到其他数据集和领域，而且由于各种限制（包括模型的过拟合，数据集的稀疏性等），通常比基于规则的方法表现更差。基于深度学习的模型，使用双重注意力机制来计算概念的上下文表示，以学习对齐。通过这样做，我们的方法不仅利用本体的语法和语义结构，它也是，通过设计，灵活和可扩展到不同的领域，以最小的努力。我们验证了我们的方法在不同领域的各种数据集和多语言设置，并显示其优越的性能SOTA方法。
2020-10-26 cs.AI cs.DB cs.LG
Amnestic Forgery: an Ontology of Conceptual Metaphors
University of Bologna（博洛尼亚大学）；ISTC-CNR（意大利国家研究委员会认知科学与技术研究所）
本文在概念隐喻理论的启发下，提出了一个基于MetaNet的隐喻语义本体-遗忘伪造。Amnestic Forgery重用和扩展了Framester模式，作为一个理想的本体设计框架，以处理框架，角色，映射和最终混合的符号和参考方面。资源的描述提供了讨论其应用程序，从隐喻生成的例子，和隐喻映射的参考问题。架构和数据都可以从Framester SPARQL端点获得。
2018-05-30 cs.AI cs.CL
Ontology-based Queries over Cancer Data
University College London（伦敦大学学院）
生物医学研究，特别是癌症研究中不断增加的数据量需要进行管理，以支持有效的数据访问，交换和整合。现有的软件基础设施，如caGrid，支持访问域本体注释的分布式信息。然而，caGrid的当前查询功能依赖于单个数据资源的结构，而不利用语义注释。在本文中，我们提出了一个基于本体的查询功能的设计和开发，包括：从底层数据资源元数据和查询重写和翻译过程的基础上推理，转换成查询在域本体级查询的OWL2本体的生成在软件基础设施的水平。我们提出了一个详细的分析，我们的方法，以及广泛的性能评估。虽然实现和评估的caGrid基础设施，该方法可以适用于其他模型和元数据驱动的环境中的数据共享。
2010-12-26 cs.AI cs.DB cs.IR
Explanation Ontology in Action: A Clinical Use-Case
Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM Research（IBM研究）
我们在我们的解释本体（https：//purl.org/heals/eo）中解决了以用户为中心的解释和不同解释类型缺乏语义表示的问题。随着复杂方法的出现以及在高精度和面向用户的环境中的采用，可解释性已经成为人工智能中的一个重要问题，这种表示越来越必要。在此提交，我们提供了一步一步的指导系统设计人员利用我们的本体，介绍了我们的资源跟踪文件，计划和模型的解释，在他们的人工智能系统的设计。我们还提供了一个详细的例子，我们在临床环境中利用本指南。
2020-10-04 cs.AI cs.HC cs.LG
Ontology-Aware Design Patterns for Clinical AI Systems: Translating Reification Theory into Software Architecture
Institute of General Medicine, University Clinics Halle, Martin Luther University Halle-Wittenberg（哈勒大学医院全科医学研究所，马丁·路德·哈勒-维滕贝格大学）；Apsley Business School（阿普斯利商学院）
本文提出七种面向本体的设计模式，用于构建抗本体扭曲的临床AI管道，通过理论分析提供设计词汇，涵盖数据验证、信号保留、漂移监控等核心方法。
2026-04-02 cs.AI
