Training Data Attribution for Image Generation using Ontology-Aligned Knowledge Graphs
National Centre for Scientific Research ``Demokritos''（国家科学研究中心「德莫克里特」）；University of Glasgow（格拉斯哥大学）
本文提出利用本体对齐的知识图谱方法，通过多模态大语言模型提取图像中的结构化三元组，以追踪生成模型中训练数据的影响，从而提升透明度和可解释性。
2025-12-02 cs.AI
InBiodiv-O: An Ontology for Indian Biodiversity Knowledge Management
为了表达生物多样性信息，需要一个语义模型来连接生物及其栖息地的各种数据。模型必须能够编码人类知识，以便机器理解。本体提供了最丰富的机器可解释（而不仅仅是机器可处理）和显式的语义，被广泛用于生物多样性领域。生物多样性领域开发了各种本体论，但对当前景观的审查表明，这些本体论无法定义印度的生物多样性信息，尽管印度是megadiversity国家之一。为了从语义上分析印度生物多样性信息，建立一个本体来描述网络上非结构化格式数据中的所有基本术语是至关重要的。由于本体的管理在很大程度上取决于这些实现的领域，因此还没有定义理想的方法论以供普遍使用。本文的目的是开发一个本体，语义编码的所有条款的印度生物多样性信息的所有方面的基础上提出的方法。对所提出的本体的综合评价表明，该本体在特定领域中构建得很好。
2022-10-28 cs.AI
Automating Creativity
National Taiwan University（国立台湾大学）；University of Maryland（马里兰大学）
针对当前生成式AI创造力不足的问题，本文结合强化学习与计算创造力研究，提出提示-响应-奖励三重工程框架，从预期、可观测、持续提升三个维度赋能GenAI不同层级的创造性应用。
2024-05-11 cs.AI
Ontology Creation and Management Tools: the Case of Anatomical Connectivity
Institute of Informatics, University of Amsterdam, The Netherlands（阿姆斯特丹大学信息学院）；Auckland Bioengineering Institute, University of Auckland, New Zealand（奥克兰大学生物工程研究所）；Department of Neuroscience, University of California, CA, USA（加州大学神经科学系）
本文提出 ApiNATOMY 框架，结合知识表示模型与知识管理工具，支持多尺度生理回路图谱的拓扑和语义表示，以辅助研究人员映射周围神经系统等生理系统数据。
2025-09-19 cs.AI cs.DL
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
OntoMath Digital Ecosystem: Ontologies, Mathematical Knowledge Analytics and Management
Kazan (Volga Region) Federal University（喀山（伏尔加地区）联邦大学）；Research Institute of Applied Semiotics of Tatarstan Academy of Sciences（鞑靼斯坦科学院应用符号学研究所）
本文讨论了基于本体的数学知识管理技术的基本思想、方法和成果。这些解决方案形成了一个专门的数字生态系统OntoMath的基础，该生态系统由数学文档Mocassin的逻辑结构本体和数学知识本体OntoMathPRO、文本分析工具、推荐系统和其他管理数学知识的应用程序组成。这些研究是根据创建一个分布式系统的数字化版本的数学文件和项目，以创建一个世界数字数学图书馆互连库的想法。
2017-02-16 cs.AI cs.DL
Ontology Temporal Evolution for Multi-Entity Bayesian Networks under Exogenous and Endogenous Semantic Updating
这是一个挑战，任何知识库推理管理无处不在的不确定本体以及不确定的更新时间，同时以最小的计算成本达到可接受的服务水平。提出了一种面向开放交互系统的本体合并方法。一个解决方案，使用多实体贝叶斯网络与SWRL规则，和Java程序，提出了动态监测外生和内生的时间演化更新合并本体的概率框架上的语义Web。
2010-09-10 cs.AI cs.LO
Development of Ontological Knowledge Bases by Leveraging Large Language Models
本文提出利用大语言模型开发本体知识库的结构化迭代方法，通过案例研究展示加速本体构建、提升一致性及透明度的贡献。
2026-03-13 cs.AI cs.IR
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
Enterprise domain ontology learning from web-based corpus
University Politehnica Bucuresti（布加勒斯特理工大学）
企业知识是竞争和快速变化的企业环境中的一项关键资产。学习、储存和传播隐性和显性知识的能力可能是成功与失败的区别。虽然企业知识管理是一个定义明确的研究领域，但目前的实施缺乏对中小企业的定位。我们提出了一个语义搜索引擎，在企业中的相关文件，自动生成的领域本体的基础上。在本文中，我们专注于本体学习和人口的组成部分。
2021-01-29 cs.AI cs.SE
Generative Ontology: When Structured Knowledge Learns to Create
Dynamind Research（Dynamind研究）
生成本体通过融合本体结构与LLM创造力，实现结构化知识生成，展示了在桌游设计中的有效性及跨领域应用潜力。
2026-02-09 cs.AI cs.CL
Memory as Ontology: A Constitutional Memory Architecture for Persistent Digital Citizens
本文提出记忆作为本体的范式，设计了Animesis系统，针对持久数字公民的生命周期问题，强调身份连续性而非检索性能。
2026-03-05 cs.AI cs.MA
Common Sense Knowledge, Ontology and Text Mining for Implicit Requirements
Montclair State University（蒙特克莱尔州立大学）；Covenant University（圣约大学）
系统满足其需求的能力是成功的一个重要决定因素。因此，有效的需求规范是至关重要的。显式需求是系统执行的明确定义的需求。隐式需求（IMR）是一种假设的需求，虽然在需求收集过程中没有引出，但系统预计会满足这些需求。研究表明，软件系统故障的一个主要因素是存在未经处理的IMR。由于IMR的相关性对于有效的系统功能很重要，因此开发了一些方法来帮助识别和管理IMR。在本文中，我们强调，常识知识，在人工智能领域的知识表示，将是有用的自动识别和管理IMRs。本文的目的是确定IMR的来源，并提出一个自动化的支持工具，在组织范围内管理IMR。由于这是目前实践中的一个差距，我们的工作在这方面做出了贡献。我们提出了一种新的方法来识别和管理IMRs的基础上结合三个核心技术：常识知识，文本挖掘和本体。我们认为，发现和处理未知和非引出的需求将降低软件开发的风险和成本。
2021-03-21 cs.AI cs.SE
Development Of Ontology-Based Intelligent System For Software Testing
软件测试是软件产业的重要组成部分。除了了解测试的重要性外，只有有限的时间用于教授测试。如果测试与编程基础同时教授，效率会更高。这种测试技术和编程的综合学习允许程序员以更好的方式执行，这导致了行业进步的性能的提高。本文介绍了一种本体技术，该技术首先对测试过程进行层次化定义，并定义测试过程之间的关系，以实现知识的共享和重用，然后通过自然语言处理生成元数据，最后应用本体来支持测试管理。它作为多种环境的知识库，集成了编程基础和测试概念的教学。关键词：Meta Data，Ontology，软件测试，集成，编程基础.
2013-02-21 cs.AI cs.SE
Predicting Network Attacks Using Ontology-Driven Inference
Research Institute for ICT (ex ITRC)（信息与通信技术研究所（原ITRC））
图知识模型和本体是非常强大的建模和推理工具。我们提出了一种有效的方法来建模网络攻击和攻击预测，在安全管理中起着重要的作用。本研究的目标是：第一，我们使用知识表示方法，以提供描述逻辑推理和推理的攻击域概念的网络攻击，其先决条件和后果建模。其次，我们提出了一个基于本体的系统，预测潜在的攻击，使用推理和观察信息提供的感官输入。我们生成我们的本体，并使用CAPEC，CWE和CVE分层数据集评估相应的方法。实验结果表明，与传统的层次模型和关系模型相比，该模型具有显著的性能改进。该方法还减少了虚警，提高了入侵检测的有效性。
2013-04-03 cs.AI cs.CR cs.NI
An Approach For Transforming of Relational Databases to OWL Ontology
Islamic Azad University（伊斯兰阿扎德大学）
文档、网页和其他类型的文本内容的快速增长对现代内容管理系统来说是一个巨大的挑战。语义数据的缺乏是信息存储和检索领域面临的一个问题。本体可以以可共享和可重复使用的方式表示知识，并通过对特定域的结构进行编码来提供减少数据量开销的有效方法。利用关系数据库中的元数据可以从特定领域的数据库中提取本体。为了解决数据的共享和重用问题，提出了将关系数据库转化为本体的方法。本文提出了一种基于关系数据库的本体自动构建方法。从关系数据库中挖掘和获取更深层次的构件，可以获得语义能力更强、表达能力更强的知识。触发器是数据库组件之一，可以转换为本体模型，通过动态呈现部分知识来增加知识的能力和表达能力
2015-02-20 cs.AI cs.DB cs.SE
SeaNet -- Towards A Knowledge Graph Based Autonomic Management of Software Defined Networks
Nanjing University of Science and Technology（南京理工大学）；Heriot-Watt University（赫瑞-瓦特大学）
由人工智能技术驱动的自动网络管理已经被广泛讨论了几十年。然而，目前的报告主要集中在理论的建议和架构设计，在现实生活中的网络上的实际实现的工作还没有出现。本文提出了我们的努力实现知识图谱驱动的方法，自主网络管理软件定义网络（SDN），称为SeaNet。在ToCo本体的驱动下，SeaNet基于Mininet（SDN仿真器）重新编程。它由三个核心组件组成：知识图谱生成器、SPARQL引擎和网络管理API。知识图谱生成器将电信网络管理任务中的知识表示为形式化表示的本体驱动模型。网络管理API可以将专家经验和网络管理规则形式化为知识图谱，通过SPARQL引擎自动推理，将技术细节打包，并向用户展示与技术无关的接口。实验进行了评估建议的工作，通过比较与商业SDN控制器Ryu实现相同的语言Python。评估结果表明，在大多数情况下，SeaNet比Ryu快得多，SeaNet代码明显更紧凑。由于采用了RDF推理，SeaNet在不同尺度的知识图谱上都能达到O（1）的时间复杂度，而传统的数据库最高可以达到O（nlogn）。通过开发的网络管理API，SeaNet使研究人员能够在自己的SDN上开发语义智能应用程序。
2022-05-27 cs.AI cs.DB
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
An Ontology for Defect Detection in Metal Additive Manufacturing
University of Pavia（帕维亚大学）；Free University of Bozen-Bolzano（博尔扎诺自由大学）
工业4.0应用的一个关键挑战是为自动化制造服务开发控制系统，这些系统能够解决数据集成和语义互操作性问题，以及监控和决策任务。为了解决先进制造系统中的这一问题，基于形式本体的原则性知识表示方法已经被提出作为异构数据源存在下的信息管理和维护的基础。此外，本体提供推理和查询能力，以帮助领域专家和最终用户在约束验证和决策的上下文中。最后，基于本体的先进制造服务的方法可以支持基于黑盒机器学习算法的监视、控制和仿真系统的行为的可解释性和可解释性。在这项工作中，我们提供了一种新的本体论的金属增材制造文献中已知的工艺引起的缺陷的分类。再加上一个正式表示的特征和来源的缺陷，我们整合了我们的知识库与国家的最先进的本体在该领域。我们的知识库旨在通过添加进一步的缺陷分析术语和诊断推理功能来增强增材制造本体的建模能力。
2022-09-29 cs.AI cs.LO
Ontology Bulding vs Data Harvesting and Cleaning for Smart-city Services
University of Florence（佛罗伦萨大学）
目前，地方政府拥有大量的公共和私人数据集。在大多数情况下，它们在语义上是不可互操作的，需要大量的人力来为智慧城市创建集成的本体和知识库。智慧城市本体尚未标准化，需要大量的研究工作来识别能够轻松支持数据协调、复杂性管理和推理的模型。在本文中，一个系统的数据摄取和协调智能城市相关方面的道路图，服务提供的道路，交通传感器等，本文提出该系统允许管理来自各种来源的大量数据，同时考虑静态和动态数据。这些数据被映射到智能城市本体，并存储到RDF-Store中，通过SPARQL查询可用于应用程序，为用户提供新的服务。本文介绍了本体和知识库的生成过程，以及验证、协调和确认的机制。还提供了一些关于可能使用的连贯知识库的例子，可以从RDF商店访问。
2015-08-05 cs.AI cs.CY cs.DB
The Semantic Training Gap: Ontology-Grounded Tool Architectures for Industrial AI Agent Systems
Siemens Digital Industries Software（西门子数字工业软件）
本文提出基于本体的工具架构，解决工业AI代理系统中语义训练鸿沟问题，通过类型关系配置增强语义约束，减少领域标识符的幻觉率，实现跨域配置能力。
2026-05-11 cs.AI
Space Debris Ontology for ADR Capture Methods Selection
DFKI GmbH（德国人工智能研究中心有限公司）；University of Bremen（不来梅大学）；IMS Space Consultancy（IMS太空咨询公司）
研究得出的结论是，有必要对现有在轨碎片进行主动清除。然而，寻求最佳解决办法并没有唯一的答案，现有数据往往缺乏连贯性。为了改善这种情况，应该采用现代知识表示技术，这些技术一直在塑造万维网、医学和药学。此前在空间碎片领域的努力只集中在空间态势感知上，忽视了ADR。为了弥合这一差距，我们提出了一个完整的对象，即有效载荷和火箭机构，ADR捕获方法的选择领域本体。本体定义在目标对象的物理、动力学和统计参数的最小集合上。本体论的实用性和有效性证明了它应用到一个数据库的30个代表性的对象，通过结合结构化和非结构化的数据从公开的来源。结果分析表明，本体能够推断出最适合的ADR捕获方法所考虑的对象。此外，它证实了它能够透明地处理来自不同来源的输入数据，从而最大限度地减少用户输入。所开发的本体论为建立一个旨在改进空间碎片领域的数据管理和知识发现的更全面的知识表示框架迈出了第一步。此外，它还提供了一个工具，可以使今后的发展成果评估任务的初步规划更加简单和系统。
2020-04-19 astro-ph.IM cs.AI physics.space-ph
Shiva++: An Enhanced Graph based Ontology Matcher
Banasthali University（巴纳斯达利大学）；Center for Development of Advanced Computing（先进计算发展中心）
随着网络变得越来越大，吸收了关于不同概念和领域的知识，简单的数据库驱动的应用程序捕获某个领域的数据变得非常困难。因此，开发人员已经提出了基于本体的系统，可以存储大量的信息，并可以应用推理和产生及时的信息。从而促进有效的知识管理。虽然这种做法使我们的生活更容易，但同时也产生了另一个问题。两种不同的本体论在吸收同一知识的同时，往往会对同一概念使用不同的术语。这在知识工程师和工作人员中造成了混乱，因为他们不知道哪个术语比另一个更好。因此，我们需要合并工作在同一领域的本体，使工程师可以开发一个更好的应用程序在it.This本文显示了这样的匹配器的发展，合并的概念，在两个层次上的两个本体：1）在字符串级别和2）在语义级别，从而产生更好的合并本体。我们使用了一个图形匹配技术的工作在系统的核心。我们还评估了系统，并测试了它的性能与它的前身，它只适用于字符串匹配。因此，目前的做法产生了更好的结果。
2014-04-19 cs.AI
Design-Driven Requirements for Computationally Co-Creative Game AI Design Tools
Northeastern University（东北大学）；University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校）
游戏AI设计师必须管理AI角色、游戏世界和玩家之间的复杂交互，同时实现他们的设计愿景。计算协同创造工具可以帮助他们，但首先，人工智能和人机交互研究人员必须收集需求并确定设计策略，以构建有效的协同创造工具。在这项工作中，我们提出了一个参与式的设计研究，分类和分析游戏AI设计师的工作流程，目标和期望，这些工具。我们展示了游戏AI设计与合作创造工具设计之间的深层联系，并为未来的合作创造工具研究和开发提供了启示。
2021-07-29 cs.AI cs.HC
Ontology-Aware RAG for Improved Question-Answering in Cybersecurity Education
本文提出CyberRAG，一种面向本体的检索增强生成方法，用于提升网络安全教育中问答系统的可靠性与准确性。
2025-11-24 cs.AI cs.CY
OntView: What you See is What you Meant
University of Zaragoza（萨拉戈塔大学）；Aragon Institute of Engineering Research (I3A)（阿拉贡工程研究 institute (I3A)）；NTT Data
本文提出本体查看器 OntView，通过描述逻辑推理和“所见即所意”范式实现本体概念及一般概念包含的可视化，并提供本体摘要、TBox 聚焦和动态分支显示等简化视图机制，以开源形式发布。
2025-07-18 cs.AI
Km4City Ontology Building vs Data Harvesting and Cleaning for Smart-city Services
University of Florence（佛罗伦萨大学）
目前，地方政府提供大量公共和私人数据集。在大多数情况下，它们在语义上是不可互操作的，需要大量的人力来为智慧城市创建集成的本体和知识库。智慧城市本体尚未标准化，需要进行大量的研究工作来识别能够轻松支持数据协调、管理复杂性、允许数据推理的模型。在本文中，智能城市相关方面的数据摄取和协调系统，如道路图，道路上可用的服务，交通传感器等，本文提出该系统允许管理来自各种来源的大数据量的数据，同时考虑静态和动态数据。这些数据被映射到一个名为KM 4City（城市知识模型）的智能城市本体，并存储到一个RDF-Store中，通过SPARQL查询为应用程序提供数据，从而通过公共管理和企业的特定应用程序为用户提供新的服务。本文介绍了在开放和私有数据的基础上产生本体和知识库馈送的大数据架构的过程，以及用于数据验证、协调和验证的机制。还提供了关于可能使用所产生的连贯大数据知识库的一些例子，可从RDF-Store和相关服务中查阅。本文还介绍了协调算法的研究工作，以及它们的比较评估和选择。
2015-08-05 cs.AI cs.CY cs.DB
Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts
研究针对智能体技能成为持久行为工件却缺乏相关软件本体的问题，引入Skillware，通过Skill Artifact和Skillware Unit管理工件，阐述相关条件与证据，为智能体能力提供可识别、可组合、可维护及可演化的软件本体与工程生命周期。
2026-08-24 cs.AI cs.SE
Data structuring for the ontological modelling of wind energy systems
小型风电项目在有效部署方面遇到困难，部分原因是数据和信息管理方式错误。本体可以克服部分可用的，嘈杂的，不一致的，异构的数据源的缺点，通过提供一个语义中间件之间的低层次的数据和更一般的知识。在本文中，我们工程师的风能领域使用描述逻辑作为技术仪器的本体。我们的目标是整合语料库的异构知识，数字和人类，以帮助感兴趣的用户，以加快初始化的小规模的风力发电项目。我们介绍了我们的本体的一个用例场景，包括自动检查计划的风力发电项目是否符合现行法规。
2015-10-12 cs.AI
How to Agree to Disagree: Managing Ontological Perspectives using Standpoint Logic
TU Dresden（德累斯顿工业大学）
在处理知识问题时，考虑到个人的、可能相互冲突的观点的重要性已得到广泛认可。许多现有的本体管理方法完全合并的知识的角度来看，这可能需要削弱，以保持一致性，其他代表不同的意见，在一个完全分离的方式。作为一种替代方案，我们提出了立场逻辑，一个简单的，但多功能的多模态逻辑“附加”现有的KR语言的综合表示领域知识相对于不同的，可能相互冲突的立场，这可以分层组织，组合，并把彼此的关系。从一阶立场逻辑（FOSL）的通用框架开始，我们随后将注意力集中在重复公式的片段上，为此我们提供了一个多时翻译成无立场版本。这一结果产生的可判定性和有利的复杂性的各种高度表达的可判定片段的一阶逻辑。使用一些精心设计的编码技巧，我们然后建立一个类似的翻译非常富有表现力的描述逻辑SROIQb_s的OWL 2 DL本体语言。凭借这一结果，现有的高度优化的OWL推理机可用于为通过立场建模扩展的本体语言提供实用的推理支持。
2022-08-01 cs.AI
AI and Its Impact on Creativity and Diversity: An Empirical Study of LLM-Generated Product Ideas
该研究对比人类与GPT-4生成的大学生适用低价新产品创意，发现AI生成创意平均购买意向更高、跻身前10%的概率是人类的7倍，但新颖性较低，少样本提示效果略优于零样本。
2026-08-04 cs.AI cs.CL econ.GN
DIALOG: A framework for modeling, analysis and reuse of digital forensic knowledge
University College Dublin（都柏林大学学院）
本文介绍了DIALOG（数字调查本体）;数字调查知识管理、重用和分析的框架。DIALOG提供了一个通用的、独立于应用程序的词汇表，可用于描述不同详细级别的调查。DIALOG定义为封装数字取证领域的所有概念以及它们之间的关系。特别是，我们专注于Windows注册表，其中注册表项是根据其结构和功能建模的。注册表分析软件工具以类似的方式建模，我们说明了如何使用本体的推理功能来解释其结果
2019-02-21 cs.AI cs.CR cs.DL
Counting Query Answers over a DL-Lite Knowledge Base (extended version)
Free University of Bozen-Bolzano（博尔扎诺自由大学）；Umeå University（于默奥大学）；Max-Planck-Institut für Informatik（马克斯·普朗克计算机科学研究所）
计算查询的答案是几乎所有数据库管理系统都支持的操作。在本文中，我们专注于计数的答案在知识库（KB），这可能被视为一个数据库丰富的背景知识有关的域正在考虑。特别是，我们把我们的工作的上下文中的本体介导的查询/基于本体的数据访问（OMQA/OBDA），其中用于本体的语言是DL-Lite家族的成员和数据是一个（通常是虚拟的）一组断言。我们研究了查询回答的数据复杂性，对于包括数量限制的DL-Lite家族的不同成员，以及对于具有不同形状（连接，分支，根）的计数的合取查询的变体。我们通过提供PTIME和coNP下界，以及PTIME和LOGSPACE的上界来改进现有的结果。对于后者的情况下，我们定义了一个新的查询重写技术到一阶逻辑计数。
2020-07-17 cs.AI cs.DB
Automated Extraction and Creation of FBS Design Reasoning Knowledge Graphs from Structured Data in Product Catalogues Lacking Contextual Information
Indian Institute of Science（印度科学学院）；Harting India Private Limited（浩亭印度私人有限公司）
针对缺乏上下文的企业结构化产品数据无法直接构建标准本体知识图谱的问题，提出基于规则的方法与工作流，结合KG与NLP从遗留数据自动提取构建FBS本体知识图谱，经工业试点验证有效并总结了相关挑战与机遇。
2024-12-08 cs.AI cs.CL cs.IR
