The IFF Foundation for Ontological Knowledge Organization
The Haworth Press Inc.(霍沃斯出版社)
本文讨论了一种公理化的本体集成方法,这种方法将以前基于信息流的方法(Kent 2000)扩展到一阶逻辑。这种公理化方法在信息流框架(IFF)中得到了体现,IFF是一个元级框架,用于组织出现在数字图书馆、分布式数据库和本体中的信息(Kent 2001)。本文认为,本体的整合是一个对齐和统一两步走的过程。本体对齐包括通过中介本体共享公共术语和语义。本体统一集中在社区连接的虚拟本体中,是参与者社区本体的对齐图的融合-参与者门户的总和模本体对齐结构的商。
2018-10-10 cs.AI cs.DL
An Ontological Approach to Analysing Social Service Provisioning
Centre for Social Services Engineering(社会服务工程中心);University of Toronto(多伦多大学);HelpSeeker Technologies Inc.(HelpSeeker技术公司)
本文介绍了在智能城市环境中评估和管理社会服务覆盖范围所需的本体论概念。在这里,我们专注于关键利益相关者的观点,即社会目的组织及其服务的客户。这里介绍的Compass本体通过引入与关键维度相关的新概念来扩展公共影响数据标准:谁(利益相关者),什么(需求,需求满足者,结果),如何(服务,事件)和贡献(跟踪资源)。本文首先介绍了关键利益相关者,服务,成果,事件,需求和需求满足,以及他们的定义。其次,提出了一个能力问题的子集,以说明关键利益相关者提出的问题类型。第三,扩展的回答问题的能力进行评估,提出SPARQL查询执行基于指南针的知识图谱和分析其结果。
2022-06-24 cs.AI cs.DB cs.LO
Ontological Representations of Software Patterns
本文基于并倡导软件工程中的一种趋势,即扩展软件模式的使用,作为构建软件开发问题解决方案的手段(无论是最佳实践还是公司利益和政策)。本文认为,一方面,这种发展需要自动组织,检索和解释软件模式的工具。另一方面,这些工具的存在本身将促进软件开发过程中模式的进一步开发和使用。本文分析了现有的模式表示,并得出结论,他们是不够的那种自动化打算在这里。采用类似的立场,在语义网,本文提出了可行的解决方案,可以建立在本体表示的基础上。
2006-05-14 cs.AI cs.SE
OntoAct: Hypothesis-Based Neuro-Symbolic Agents through Ontological Abstraction
Seoul National University(首尔大学)
本研究提出基于本体抽象的神经符号框架OntoAct,结合LLM与符号验证器,在Tacit-FLE、Mars、ALFWorld基准中实现领先任务性能,可用于工厂故障诊断修复等场景。
2026-10-16 cs.AI cs.LG
Applying Ontological Modeling on Quranic Nature Domain
International Islamic University Chittagong(吉大港国际伊斯兰大学);Universiti Sains Islam Malaysia(马来西亚伊斯兰理科大学);Zarqa University(扎尔卡大学)
《古兰经》是穆斯林的圣书。它包含有关许多域的信息。人们经常根据概念之间的关系来寻找古兰经的特定概念。在这种情况下,古兰经的本体论建模可能是有用的。在本文中,我们使用OWL(Web本体语言)/ RDF(资源描述框架)的古兰经自然相关的概念建模。我们的方法包括确定古兰经中提到的与自然有关的概念,并确定这些概念之间的关系。这些概念和关系表示为OWL本体的类/实例和属性。稍后,在结果部分中显示,使用本体模型,SPARQL查询可以检索感兴趣的诗句和概念。因此,这种建模有助于对古兰经进行语义搜索和查询。在这项工作中,我们使用了Sahih International,Protege OWL编辑器对古兰经的英文翻译,并使用SPARQL进行查询。
2016-04-12 cs.AI cs.CL
Towards solving ontological dissonance using network graphs
German Aerospace Center (DLR)(德国航空航天中心);Drucker School of Business, Claremont Graduate University(克莱蒙特研究生大学德鲁克商学院)
针对跨领域数据空间的本体失配与互操作性问题,研究整合13个领域的数据模型,用网络图识别核心模型与本体属性并定性分析语义异质性,为跨域数据空间连接提供支撑。
2023-08-28 cs.AI cs.SI
Ontological Relations from Word Embeddings
K Team, LORIA, Université de Lorraine(洛林大学LORIA研究所K团队)
本文研究如何利用多个预训练模型的词嵌入预测上层本体和通用本体中类与属性之间的关系,证明简单前馈架构即可取得可观准确率,并构建数据集以支持后续模型增强和应用拓展。
2024-08-01 cs.AI
Design and software implementation of subsystems for creating and using the ontological base of a research scientist
创建支持科学研究和发展的信息系统和工具一直是计算机科学发展的中心方向之一。科学研究和发展的现代演变的主要特点是跨学科的方法和科学问题的制定和解决的生存周期的所有阶段的深度智能化。本文讨论了复杂知识导向信息系统及其组成部分的理论和实践问题。现有的科学信息系统(或当前的研究信息系统,CRIS)的分析和研究人员及其组件的研究和开发工作站环境的设计的一般原则的合成进行的工作。设计了面向知识的信息系统研发工作站环境的功能组件。设计并开发了面向知识的信息系统开发研究与开发工作站环境的功能组件,包括用于创建和使用科研人员出版物本体知识库的软件子系统的功能模型和软件实现,作为科研人员个性化知识库的一部分。电子科学范式的现代条件下的研究需要汇集科学界和密集交流研究成果,这可以通过使用科学信息系统来实现。研究和开发工作站环境允许解决在研究过程和集体参与者交互期间获得的知识表示的构造和形式化的问题。
2018-02-21 cs.AI
Ontological Knowledge Blocks: Executable Compliance and Profile-Based Validation for Trustworthy AI Systems
提出本体知识块(OKBs)作为可编程治理基础设施,通过将监管义务编译为机器可检查的约束,实现自动化合规验证,并在AI辅助HPC资源分配场景中验证其有效性。
2026-05-22 cs.AI cs.DC
A Logic-based Approach for Recognizing Textual Entailment Supported by Ontological Background Knowledge
Universität zu Köln(科隆大学);Fraunhofer-Institut FKIE(弗劳恩霍夫FKIE研究所)
我们提出了一个新的系统识别文本蕴涵(RTE)的体系结构和评价。在RTE中,我们希望自动识别两个输入文本之间的逻辑关系的类型。特别是,我们感兴趣的是证明它们之间的蕴涵的存在。我们设想我们的系统作为一个模块化的环境,允许高覆盖率的语法和语义的文本分析结合逻辑推理。对于句法和语义分析,我们将深层语义分析与统计模型支持的浅层语义分析相结合,以提高结果的质量和准确性。对于RTE,我们使用一阶逻辑推理,采用模型理论技术和自动推理工具。该推理由自动提取的问题相关背景知识支持,并根据需要从外部源提取,例如,WordNet、YAGO和OpenCyc,或其他更多的实验源,例如,手动定义的预设解决方案,或与公理化的一般和常识知识。结果表明,来自不同来源的细粒度和一致的知识是确定结果的正确性和可追溯性的必要条件。
2013-10-18 cs.AI cs.CL cs.LO
Extracting Ontological Knowledge from Textual Descriptions
Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
OWL-DL本体的创作在智力上是具有挑战性的,为了使这个过程更简单,许多系统接受自然语言文本作为输入。一个基于文本的本体创作方法只有与一种有效的从文本中提取本体公理的方法相结合才能取得成功。由于语言的丰富性,从不受限制的英语输入中提取公理是一项非常具有挑战性的任务。受控自然语言(CNLs)已经在这种情况下提出,这些往往是高度限制性的。在本文中,我们提出了一个新的CNL称为TEDEI(文本描述标识符),其语法的灵感来自不同的方式OWL-DL结构表示在英语中。我们建立了一个系统,将TEDEI语句转换为相应的OWL-DL公理。现在,由于句子的不同可能的词汇化和句子中存在的语义歧义,在这种情况下是一个挑战。我们发现,处理这些挑战的最佳方法是构建公理对应的替代形式化的句子,使最终用户可以做出适当的选择。将输出与人类创作的公理进行比较,并且在大量情况下,人类创作的公理确实是系统给出的替代方案之一。所提出的系统大大提高了类型的句子结构,可用于本体创作。
2017-09-28 cs.AI cs.CL
Ontological Trajectory Forecasting via Finite Semigroup Iteration and Lie Algebra Approximation in Geopolitical Knowledge Graphs
Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University(香港理工大学工业及系统工程学系)
本文提出EL-DRUIN系统,结合形式本体、有限半群代数和李代数近似,预测地缘政治长期关系轨迹,通过半群操作和李代数空间向量嵌入实现可解释的概率预测。
2026-04-11 cs.AI
Unveiling Ontological Commitment in Multi-Modal Foundation Models
Technical University of Munich(慕尼黑工业大学);Continental AG(大陆集团);University of Lübeck(吕贝克大学);University of Oxford(牛津大学);University of Wuppertal(伍珀塔尔大学)
针对多模态深度神经网络中定性知识不透明的问题,提出一种提取父类层次结构的方法,利用文本模态嵌入与层次聚类结合本体搜索,实现了对基础模型学习表示的验证与核实。
2024-09-25 cs.AI cs.CV
Knowledge Graphs Generation from Cultural Heritage Texts: Combining LLMs and Ontological Engineering for Scholarly Debates
Università degli Studi di Bologna(博洛尼亚大学);KNAW Humanities Cluster(荷兰皇家艺术与科学学院人文集群)
本文提出ATR4CH方法,通过大语言模型提取文化遗产文本知识,实现复杂知识的结构化表示,提升学术辩论中的知识查询能力。
2025-11-13 cs.AI cs.CL cs.DL
OntoEA: Ontology-guided Entity Alignment via Joint Knowledge Graph Embedding
Tencent Jarvis Lab(腾讯天衍实验室);Tencent(腾讯);University of Oxford(牛津大学)
语义嵌入已被广泛研究用于对齐知识图谱(KG)实体。目前的方法已经探索和利用了图结构,实体名称和属性,但忽略了本体(或本体模式),其中包含关键的Meta信息,如类和它们与实体的成员关系。在本文中,我们提出了一个本体指导的实体对齐方法命名为OntoEA,其中两个KG和它们的本体联合嵌入,类层次结构和类不相交性,以避免错误的映射。在七个公共和工业基准上的广泛实验证明了OntoEA的最新性能和本体的有效性。
2021-05-24 cs.AI cs.CL cs.LG
Know your exceptions: Towards an Ontology of Exceptions in Knowledge Representation
Free University of Bozen-Bolzano(波尔扎诺自由大学);Fondazione Bruno Kessler(布鲁诺·凯塞勒基金会)
针对可废止推理形式化体系的本体论适配选择难题,研究提出基于例外性与可废止性的比较框架,通过对四种系统的对比验证了框架可揭示不同体系的本体论差异。
2024-03-05 cs.AI
Sequential Diagnosis Prediction with Transformer and Ontological Representation
Australian Artificial Intelligence Institute, FEIT, University of Technology Sydney(悉尼科技大学澳大利亚人工智能研究所);School of Information Technology and Electrical Engineering, The University of Queensland(昆士兰大学信息技术与电气工程学院)
电子健康记录(EHR)上的顺序诊断预测已被证明对于医疗领域的预测分析至关重要。EHR数据是患者与医疗系统交互的顺序记录,具有时间性、不规则性和数据不充分性的许多固有特征。最近的一些工作训练医疗保健预测模型,通过利用EHR数据中的顺序信息,但他们是脆弱的不规则的,时间的EHR数据与入院/出院的状态,和数据不足。为了缓解这一问题,我们提出了一个端到端的强大的基于变换的模型称为SETOR,它利用神经常微分方程来处理患者的访问与承认的时间戳和每次访问的停留时间之间的不规则间隔,以减轻数据不足的限制,通过整合医学本体,并通过采用多层Transformer块来捕获患者的访问之间的依赖关系。在两个真实医疗数据集上进行的实验表明,我们的序列诊断预测模型SETOR不仅比以前的最先进的方法,无论训练数据充足或不足,取得更好的预测结果,而且还派生出更多的可解释的医疗代码嵌入。实验代码可以在GitHub仓库(https://github.com/Xueping/SETOR)上找到。
2021-09-07 cs.AI cs.LG
OntoTKGE: Ontology-Enhanced Temporal Knowledge Graph Extrapolation
Northeastern University(东北大学)
OntoTKGE通过整合本体与时间知识,提升稀疏实体的外推性能,实验表明其优于现有基线方法。
2026-09-30 cs.AI
Intersectoral Knowledge in AI and Urban Studies: A Framework for Transdisciplinary Research
Université de Montréal(蒙特利尔大学);Mila–Quebec AI Institute(魁北克人工智能研究所)
本文提出一个六维框架,用于评估和加强AI与城市研究中的跨学科知识有效性,帮助研究人员调和分歧观点并促进社会问责性成果。
2025-08-10 cs.AI cs.CY
Ontology-to-tools compilation for executable semantic constraint enforcement in LLM agents
University of Cambridge(剑桥大学);CMCL;CMPG
本体到工具的编译用于LLM代理中的可执行语义约束强制,通过生成知识图谱实例来强制执行语义约束,减少手动工程。
2026-02-03 cs.AI cs.IR
IterefinE: Iterative KG Refinement Embeddings using Symbolic Knowledge
从文本源中提取的知识图(Knowledge Graph,KG)往往带有噪声,导致下游应用任务(如基于KG的问答)的性能不佳。虽然最近的许多活动都集中在通过使用嵌入来推断新事实来解决KG的稀疏性,但通过KG精化任务来清除KG中的噪声的问题并没有得到积极的研究。大多数成功的KG细化技术利用推理规则和本体推理。除了少数例外,嵌入不利用本体信息,并且它们在KG细化任务中的表现还没有得到很好的理解。在本文中,我们提出了一个KG细化框架称为IterefinE迭代结合两种技术-一个使用本体信息和推理规则,PSL-KGI,和KG嵌入,如ComplEx和ConvE不。因此,IterefinE不仅能够利用本体信息来提高预测的质量,而且还能够利用KG嵌入的能力(隐式地)执行更长的推理链。IterefinE框架在协同训练模式下运行,并导致从PSL-KGI(我们称之为TypeE-X)中细化的KG的显式类型监督嵌入。我们在一系列KG基准上的实验表明,我们产生的嵌入能够拒绝KG中的噪声事实,同时推断出更高质量的新事实,从而使整体加权F1得分提高了9%
2020-06-03 cs.AI cs.DB cs.LG
Dual-Geometric Space Embedding Model for Two-View Knowledge Graphs
University of California, Los Angeles(加州大学洛杉矶分校)
双视图知识图谱(KG)共同表示两个组件:抽象和常识概念的本体视图和从本体概念实例化的特定实体的实例视图。因此,这些KG包含异构结构,从本体论的角度来看,这些结构是分层的,从实例的角度来看,这些结构是循环的。尽管这些不同的结构在KG,最近的作品嵌入KG假设,整个KG属于只有一个的两个视图,但不是同时。对于试图将KG的两个视图放在一起的作品,假设实例和本体视图属于相同的几何空间,例如嵌入在相同的欧几里得空间或非欧几里得乘积空间中的所有节点,对于图的不同部分呈现不同结构的双视图KG,这种假设不再合理。为了解决这个问题,我们定义并构建了一个双几何空间嵌入模型(DGS),该模型使用复杂的非欧几何空间,通过在不同的几何空间中嵌入KG的不同部分来模拟两视图KG。DGS在学习嵌入的统一框架中利用球面空间、双曲空间及其相交空间。此外,对于球面空间,我们提出了新的闭球面空间运营商,直接在球面空间,而不需要映射到一个近似的切空间。在公共数据集上的实验表明,DGS在KG完成任务上的表现明显优于以前最先进的基线模型,证明了它能够更好地对KG中的异构结构进行建模。
2022-09-19 cs.AI cs.DB cs.IR
Commonsense Knowledge, Ontology and Ordinary Language
American Institutes for Research(美国研究院);University of Windsor(温莎大学);American University of Beirut(贝鲁特美国大学);AT&T Bell Labs(AT&T贝尔实验室);MetLife(大都会人寿);Cognos, Inc.(科格斯公司)
二十多年前,一场“相当大的革命”压倒性地取代了自然语言处理(NLP)中基于知识的方法,取而代之的是定量(例如,统计的、基于语料库的、机器学习)方法。虽然我们坚信,纯粹的定量方法不能是NLP的唯一范式,但对NLP构建大型知识库的纯粹工程方法的不满在某种程度上是合理的。在本文中,我们希望证明,这两种趋势都是部分误导和时间已经到了丰富的逻辑语义与本体论结构,反映了我们的常识世界观和我们在日常语言中谈论的方式。在本文中,它将被证明,假设这样一个本体结构的自然语言的语义(例如,借代、内涵、重叠、名词性复合词等)都可以得到适当和统一的处理。
2008-08-08 cs.AI cs.CL
Discoverable Agent Knowledge -- A Formal Framework for Agentic KG Affordances (Extended Version)
School of Computer Science and Informatics, University of Liverpool, UK(利物浦大学计算机科学与信息学学院);Open University(开放大学)
本文提出一个四维形式化框架(语义表达性、智能体可发现性、任务相对基础性和认知信任范围),并从中推导出智能体能力概况(AAP),作为VoID和DCAT之上的语义层,支持智能体在规划时进行原则性的知识图谱选择、组合和故障诊断。
2026-09-09 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
From Knowledge Graph Embedding to Ontology Embedding? An Analysis of the Compatibility between Vector Space Representations and Rules
Cardiff University(卡迪夫大学)
近年来,知识图谱的低维向量空间表示已成功地应用于预测缺失事实或发现错误事实。然而,还没有很好地理解本体论知识,例如作为一组(存在的)规则,可以以原则性的方式嵌入。为了解决这个缺点,在本文中,我们介绍了一个通用的框架,基于区域的关系,这使我们能够研究本体知识和不同类型的向量空间嵌入之间的兼容性。我们的技术贡献是双重的。首先,我们表明,一些最流行的现有嵌入方法无法建模,即使是非常简单的规则类型,特别是这也意味着他们无法学习的依赖关系的类型,这些规则捕获。其次,我们研究了一个模型,其中的关系被建模为凸区域。我们特别表明,使用所谓的准链式存在规则表示的本体可以精确地表示使用凸区域,使得任何一组事实,这是使用向量空间嵌入诱导逻辑上是一致的,演绎封闭的输入本体。
2018-08-21 cs.AI
Rule-based query answering method for a knowledge base of economic crimes
Institute of Control and Information Engineering, Poznan University of Technology(波兹南理工大学控制与信息工程学院)
我们提出了一个描述的博士论文,其目的是提出一个基于规则的查询回答方法的关系数据。在这种方法中,我们使用一个额外的知识,这是表示为一组规则,并描述了源数据在概念(本体)的水平。从抽象层次上提出了新的概念。我们提出了两种方法。第一个使用混合推理,第二个只利用正向链接。这两种方法通过与Jess引擎耦合的系统的原型实现来演示。对选定的经济犯罪(欺诈性付款和洗钱)的知识库进行了测试。
2011-07-11 cs.AI
Document Structure aware Relational Graph Convolutional Networks for Ontology Population
RV College of Engineering(RV工程学院);IBM Research(IBM研究院);IIT Guwahati(印度理工学院古瓦哈蒂分校)
本体包括概念、它们的属性和关系,在许多基于知识的人工智能系统中使用。虽然有努力对特定领域的本体填充,我们研究的文件结构中学习的任何文档语料库中的概念之间的本体关系的作用。受上位词发现和可解释性的启发,我们的方法比独立的R-GCN模型更准确约15点。
2022-04-13 cs.AI cs.CL