An Ontological Knowledge Representation for Smart Agriculture
University of Petroleum and Energy Studies（石油与能源研究大学）；Tennessee Technological University（田纳西理工大学）；University of Versailles（凡尔赛大学）
为了为农业提供基础设施，它需要利用先进的技术，如大数据，云和物联网（IoT）;智能农业是一种管理概念，专注于提供跟踪，监控，自动化和分析操作所需的基础设施。表示从收集的原始数据中提取的知识至关重要。提出了一个面向智能农业系统的农业本体框架。知识图谱被表示为一个格来捕获和执行时空农业数据的推理。
2021-12-21 cs.AI
An Energy Ontology for Global City Indicators (ISO 37120)
University of Toronto（多伦多大学）
为了创造未来的智慧城市，今天的举措需要创造可衡量的改进。然而，城市是一个复杂的系统，衡量其绩效会产生广泛的问题。具体而言，确定应衡量哪些标准，应如何定义适应症，以及应如何得出已确定的指标。本工作文件是系列文件中的一份，它解决了创建基于语义网的ISO 37120指标的17个不同主题的表示，作为更大的PolisGnosis项目的一部分（Fox，2017）。我们定义了一个标准的本体，用于表示能源主题指标的一般知识，并表示用于导出能源指标的定义和数据。
2020-07-19 cs.AI cs.CY
SAREF-based Ontology for Distributed AI Workflows across the Edge-Fog-Cloud Continuum
本文提出一种符合SAREF的本体，扩展SAREF4SYST本体加入AI相关概念，经智能电网场景验证，可实现边-雾-云环境下分布式AI工作流的语义互操作，部署成功率90%-100%，平均编排决策时间低于80ms。
2026-08-28 cs.AI
Using Soft Computer Techniques on Smart Devices for Monitoring Chronic Diseases: the CHRONIOUS case
Tesan S.p.A.（Tesan股份公司）
CHRONIOUS是一个开放的、无处不在的、适应性强的慢性疾病管理平台，用于慢性阻塞性肺疾病（COPD）、慢性肾病（CKD）和肾功能不全。它由几个模块组成：基于本体的文献搜索引擎，基于规则的决策支持系统，与生活方式接口（PDA，显示器触摸屏）和机器学习模块交互的远程传感器。所有这些模块相互作用，以允许监测两种类型的慢性疾病，并帮助临床医生在采取治疗目的的决定。本文阐述了如何在智能设备中使用一些机器学习算法和基于规则的决策支持系统来监测慢性病患者。我们将分析如何在智能设备中使用一组机器学习算法，以在患者健康状况恶化趋势的情况下提醒临床医生。
2011-03-16 cs.AI
Personalization of Itineraries search using Ontology and Rules to Avoid Congestion in Urban Areas
University of Valenciennes and Hainaut-Cambrésis（瓦伦谢纳与埃诺-康布雷西大学）；University of Sfax（斯法克斯大学）；University of Louisiana at Lafayette（路易斯安那大学拉斐特分校）
关于城市货运的研究相对较少。大多数关于城市交通的研究都集中在客运车辆上，而不是货运的商用车辆。然而，在许多方面，城市货运造成了拥堵、空气污染、噪音、事故和更多的燃料消耗，从而提高了物流成本，从而提高了产品价格。本文的主要重点是提出一种新的解决拥堵的方法，以改善城市地区的货物配送过程，优化运输成本，交付时间，燃料消耗和环境影响，同时保证货物和乘客的安全。针对这一问题，提出了一种基于城市物流本体和规则的个性化行程搜索方法。个性化的集成在捕获或推断每个利益相关者（用户）的需求，然后在给定的上下文中满足这些需求方面起着关键作用。所提出的方法实施的行程搜索问题，在城市地区的货运证明其能力，以促进智能决策支持检索最佳行程，满足大多数用户的喜好（利益相关者）。
2014-08-30 cs.AI
A review of ontologies for smart and continuous commissioning
Ryerson University（瑞尔森大学）
建筑物的智能和连续调试（SCCx）可以显著缩小设计和运营性能之间的差距。本体在SCCx中起着重要的作用，因为它们有助于机器的数据可读性和推理。为了在SCCx中开发和整合本体，需要更好地理解本体。本文通过基于构建数据类型、一般方法和应用程序对SCCx领域中自2014年以来构建数据本体的最新研究进行了批判性回顾。建筑信息建模和建筑管理系统这两个主要领域的数据类型已经被大多数现有本体所考虑。通过对现有本体的批判性分析，可以明显看出三个主要应用：（1）关键性能指标计算，（2）建筑性能改进，以及（3）故障检测和诊断。在文献综述中发现的主要差距是SCCx的整体本体论和对如何评估这些方法的见解。基于这些发现，本研究为未来必要的研究，包括：SCCx相关的数据类型的识别，本体性能的评估，并创建开源方法提供了建议。
2022-08-25 cs.AI cs.DB
The CSO Classifier: Ontology-Driven Detection of Research Topics in Scholarly Articles
The Open University（开放大学）
根据研究主题对研究论文进行分类是一项重要的任务，可以提高其可检索性，帮助创建智能分析，并支持各种方法来分析和理解研究环境。在本文中，我们提出了CSO分类器，一个新的无监督的方法自动分类研究论文根据计算机科学本体（CSO），一个全面的本体研究领域的计算机科学领域。CSO分类器将与研究论文相关联的元数据（标题、摘要、关键词）作为输入，并返回从本体中提取的研究概念的选择。该方法进行了评估的黄金标准，手动注释的文章产生了显着的改善替代方法。
2021-04-02 cs.AI cs.DL cs.IR
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 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
Intent-Driven Smart Manufacturing Integrating Knowledge Graphs and Large Language Models
1Department of Software；IT Engineering, École de technologie supérieure, Montreal, Canada 2School of Electrical \& Computer Engineering, National Technical University of Athens
本文提出结合大语言模型和知识图谱的意图驱动智能制造框架，通过微调和语义映射提升制造系统的人机交互性能。
2026-02-12 cs.AI
Swift Linked Data Miner: Mining OWL 2 EL class expressions directly from online RDF datasets
Poznan University of Technology（波兹南理工大学）
在这项研究中，我们提出了Swift Linked Data Miner，这是一种可中断的算法，可以直接挖掘在线链接数据源（例如，SPARQL端点），以使用新的SubClassOf：公理扩展本体。该算法的工作原理是每次只下载一小部分关联数据源，在内存中构建智能索引，并快速迭代索引以挖掘公理。我们提出了一个转换功能，从挖掘公理RDF数据流。我们通过众包实验表明，Swift Linked Data Miner挖掘的大多数公理都是正确的，可以添加到本体中。我们提供了一个现成的Protégé插件实现算法，以支持本体工程师在他们的日常建模工作。
2017-10-19 cs.AI cs.DB
Ontology-Based Recommendation of Editorial Products
The Open University（开放大学）；Springer-Verlag GmbH（施普林格-维尔格有限公司）
主要的学术出版商需要能够分析其庞大的产品目录，并选择最好的项目在科学场所销售。这是一项复杂的工作，需要高度精确地描述数千本书的主题，并将其与相关社区的兴趣相匹配。在Springer Nature中，这项任务传统上由出版编辑手动处理。然而，科学出版物数量的快速增长和计算机科学领域的动态特性使得这种解决方案越来越低效。我们通过创建智能图书推荐器（SBR）来解决这个问题，SBR是开放大学与施普林格·自然合作开发的基于本体的推荐系统，支持他们的计算机科学编辑团队选择产品在特定场所销售。SBR通过利用约27K编辑产品的语义增强表示来推荐与会议相关的书籍、期刊和会议记录。这是基于计算机科学本体论，一个非常大规模的，自动生成的分类研究领域。SBR还允许用户调查为什么系统建议某个出版物。它通过一个交互式图形视图来实现这一点，该视图显示推荐的编辑产品的主题分类，并将其与输入会议的以主题为中心的特征进行比较。由七位Springer Nature编辑和七位研究人员进行的评估证实了该解决方案的有效性。
2021-03-24 cs.AI cs.DL cs.IR
Using Semantic Web Services for AI-Based Research in Industry 4.0
University of Trier（特里尔大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））
向工业4.0的过渡需要智能制造系统，这些系统易于配置，并在制造过程中提供高水平的灵活性，以实现大规模定制或支持云制造。为了实现这一点，网络物理系统（CPS）与人工智能（AI）方法相结合，找到了进入制造车间的方法。对于在工业4.0的背景下使用人工智能方法，语义Web服务对于提供底层制造能力的合理抽象是必不可少的。在本文中，我们提出了工业4.0中基于AI的研究的语义Web服务。因此，我们开发了300多个语义Web服务的物理仿真工厂的基础上Web本体语言Web服务（OWL-S）和Web服务建模本体（WSMO），并将它们链接到一个已经存在的领域本体智能制造控制。适合CPS环境的要求，我们的前置条件和后置条件进行了验证，在近实时调用其他语义Web服务的知识库内的复杂推理。最后，我们通过执行一个由语义Web服务组成的网络物理工作流，使用工作流管理系统来评估我们的实现。
2020-07-07 cs.AI cs.SE
An Ontology-based Approach Towards Traceable Behavior Specifications in Automated Driving
本文提出一种基于本体的 Semantic Norm Behavior Analysis 方法，用于规范自动驾驶系统行为并建立行为与利益相关者需求的可追溯性，显式记录假设以识别和解决规范不足。
2024-11-15 cs.AI cs.SE cs.SY
A Semantic Web Framework for Automated Smart Assistants: COVID-19 Case Study
IIHR – Hydroscience & Engineering, University of Iowa（爱荷华大学IIHR水科学与工程研究所）；Civil and Environmental Engineering, University of Iowa（爱荷华大学土木与环境工程学院）
2019冠状病毒病疫情阐明，知识系统将有助于向具有不同背景和技术资源的大量人群传达准确信息。然而，一些挑战和障碍阻碍了公共卫生部门和组织广泛采用虚拟助理。本文介绍了Instant Expert，这是一个开源的语义Web框架，可以为任何Web平台构建和集成支持语音的智能助理（即聊天机器人），而不管底层领域和技术如何。该组件允许非技术领域专家毫不费力地将具有话音识别功能的操作助理整合到他们的网站中。Instant Expert能够自动解析、处理和建模作为信息资源的常见问题页面，并与外部知识引擎进行通信，以进行本体驱动的推理和动态数据利用。所提出的框架利用先进的Web技术，以确保可重用性和可靠性，和深度学习和启发式算法的自然语言理解的推理引擎。基于疾病控制和预防中心（CDC）数据创建COVID-19信息助理的用例展示了该框架的使用和好处。
2020-09-17 cs.AI cs.HC cs.IR
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
Human Activity Recognition Models in Ontology Networks
University of Genoa（热那亚大学）；Teseo s.r.l.（Teseo有限责任公司）
我们提出了阿里安娜+，一个框架来设计网络的本体表示知识，使灵巧家庭进行人类活动识别在线。在网络中，节点是允许各种数据情境化的本体，而边缘是阐述数据的通用计算程序。Arianna+在过程和语句的输入和输出之间提供了一个灵活的接口，这些过程和语句是本体知识的原子表示。Arianna+通过采用基于逻辑的推理，根据事件安排程序，即，通过检查本体中的某些语句的分类。每个过程都涉及输入和输出语句，这些语句在基于特定先验知识的本体中被不同地上下文化。Arianna+允许设计在多个上下文中编码数据的网络，作为参考场景，我们提出了一个模块化网络，该网络基于所有活动之间共享的空间上下文和针对每个待识别活动的时间上下文。在本文中，我们认为，一个网络的小本体更容易理解，并具有减少计算负荷比一个单一的本体编码相同的知识。Arianna+在同一架构中集成了异构数据处理技术，这些技术可能更适合不同的上下文。因此，我们没有提出一种新的算法方法来识别活动，相反，我们专注于架构方面，以适应基于逻辑和数据驱动的活动模型，在面向上下文的方式。此外，我们还讨论了如何利用数据上下文和推理活动识别，并支持由领域专家驱动的迭代开发过程。
2021-05-05 cs.AI cs.LO cs.SE
GenAI-powered Multi-Agent Paradigm for Smart Urban Mobility: Opportunities and Challenges for Integrating Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) with Intelligent Transportation Systems
Oak Ridge National Laboratory（橡树岭国家实验室）；University of Washington（华盛顿大学）；Texas A&M University（德克萨斯农工大学）
本文提出将大语言模型与检索增强生成集成到智能交通系统中，构建对话式多智能体框架，以克服传统规则系统的局限，实现交通拥堵、事故和碳排放的科学化治理与自动化管理。
2024-09-04 cs.AI cs.SE
Towards Effective Fusion and Forecasting of Multimodal Spatio-temporal Data for Smart Mobility
School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院）
本文针对智慧出行中多模态时空数据融合与预测面临的数据稀疏、多交通方式特征纠缠及模态丢失等挑战，介绍了近期相关研究工作并提出未来开放性挑战。
2024-07-23 cs.AI cs.LG
Artificial Intelligence for Understanding and Managing Transportation Behavior in Sustainable Smart Cities
Beijing University of Technology（北京工业大学）
研究如何利用人工智能理解和管理可持续智慧城市中的交通行为，通过以行为为中心的视角，研究公交到站预测等四个方向，经闭环框架整合，确定部署条件，建立从行为证据到各类交通决策的统一路径。
2026-07-21 cs.AI
An Affordable AI-Integrated Smart Cane for Multimodal Mobility Assistance of Visually Impaired Users
Islamic University of Madinah（麦地那伊斯兰大学）；King Fahd University of Petroleum and Minerals（法赫德国王石油矿产大学）
针对传统白手杖无法检测高处危险且现有AI导航系统昂贵的问题，本文提出一种基于Raspberry Pi Zero 2W的88美元离线智能手杖，融合视觉与ToF感知，实现高精度低延迟的障碍物检测与反馈，验证了边缘AI辅助的可行性。
2026-09-22 cs.AI cs.CV cs.CY
A New Era of Mobility: Exploring Digital Twin Applications in Autonomous Vehicular Systems
Tennessee Tech University（田纳西理工大学）
本文系统综述了数字孪生在自动驾驶车辆行业中的应用，分析其基本特征、核心技术、方法比较及应用挑战，强调其在提升性能和可靠性方面的作用。
2023-05-09 cs.AI cs.NI
