Building Rules on Top of Ontologies for the Semantic Web with Inductive Logic Programming
Università degli Studi di Bari（巴里大学）
在本体之上构建规则是语义Web逻辑层的最终目标。为此，目前正在讨论一种用于这一层的特别标记语言。它的目的是遵循传统的混合知识表示和推理系统，如$\mathcal{AL}$ -日志，集成了描述逻辑$\mathcal{ALC}$和无函数霍恩子句语言\textsc{Datalog}。在本文中，我们考虑的问题，这些规则的语义Web的自动化收购。我们提出了一个通用的规则归纳框架，采用归纳逻辑程序设计的方法装置，并依赖于$\mathcal{AL}$ -log的表达和演绎能力。无论归纳的范围（描述与预测）如何，该框架都是有效的。然而，为了说明的目的，我们还讨论了一个实例化的框架，其目的是描述和原来是有用的本体精化。关键词：归纳逻辑程序设计，混合知识表示和推理系统，本体，语义网。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2007-11-12 cs.AI cs.LG
A Survey on how Description Logic Ontologies Benefit from Formal Concept Analysis
SAP Research Center Dresden（SAP德累斯顿研究中心）
虽然概念作为共享某些属性的对象的集合的概念和概念层次的概念是形式概念分析和描述逻辑的基础，但这两个研究领域之间描述和获得概念的方式有很大不同。尽管存在这些差异，但已经有几次尝试弥合这两种形式主义之间的差距，并尝试将一个领域的方法应用于另一个领域。本文综述了描述逻辑与形式概念分析相结合的研究成果。
2011-07-14 cs.AI cs.LO
The Data Complexity of Description Logic Ontologies
University of Bremen（不来梅大学）；University of Liverpool（利物浦大学）
本文分析ALC族描述逻辑本体的数据复杂度，证明深度为一的ALCFI及无深度限制的ALC/ALCI本体存在PTime/coNP二分法，而ALCF本体无此二分法且PTime求值判定不可判定，并探讨与Datalog重写的关联。
2017-11-10 cs.AI
Black-box Testing of First-Order Logic Ontologies Using WordNet
Department of Computer Languages and Systems University of the Basque Country UPV/EHU（巴斯克地区大学UPV/EHU计算机语言与系统系）
人工智能旨在为计算机程序提供常识知识，以推理我们的世界。本文提出了一种新的实用方法，自动常识推理与一阶逻辑（FOL）本体。我们提出了一种新的黑盒测试方法的FOL SUMO为基础的本体，利用WordNet及其映射到SUMO。我们的建议包括一个方法（半）自动创建一个非常大的基准能力的问题和程序，其自动化评估使用自动定理证明（ATP）。通过应用不同的质量标准，我们的测试方案可以成功评估a）几种SUMO翻译成FOL的能力和b）各种自动化ATP的性能。最后，我们还提供了一个细粒度的和完整的常识推理能力的分析，目前FOL SUMO为基础的本体。
2018-03-23 cs.AI
Evonne: Interactive Proof Visualization for Description Logics (System Description) -- Extended Version
TU Dresden（德累斯顿工业大学）
描述逻辑蕴涵的解释为大型本体的维护提供了重要的支持。在本体编辑器中通常用于此目的的“证明”精确指出本体中负责给定蕴涵的部分。蕴涵的证明使中间的推理步骤变得明确，从而解释了一个结论实际上是如何推导出来的。我们提出了一个交互式的系统，探索描述逻辑证明，称为Evonne，可视化的表达DL写的本体论的后果证明。我们描述了用于计算这些证明的方法，以及一个称为基于签名的证明浓缩的功能。此外，我们使用真实的本体来评估生成的证明的质量。
2022-05-19 cs.AI cs.LO
Logical Separability of Labeled Data Examples under Ontologies
University of Hildesheim（希尔德斯海姆大学）；Leipzig University（莱比锡大学）；University of Liverpool（利物浦大学）
在概念学习、数据库查询的逆向工程、生成引用表达式和知识图谱中的实体比较等应用中，找到一个逻辑公式来分离以标记数据项的形式给出的正例和反例是基础。在本文中，我们调查的存在下，存在一个本体的数据分离公式。对于本体语言和分离语言，我们都集中在一阶逻辑及其以下重要片段：描述逻辑$\mathcal{ALCI}$、防护片段、双变量片段和防护否定片段。对于分离，我们还考虑合取查询（的联合）。我们考虑几种形式的可分性，不同的处理反例，在他们是否承认使用额外的辅助符号，以实现分离。我们的主要结果是模型理论的刻画（所有变种）的分离性，不同语言的分离能力的比较，和调查的计算复杂性决定分离性。
2022-08-17 cs.AI cs.LO
Automatic White-Box Testing of First-Order Logic Ontologies
Facultad de Informática（信息学院）；University of the Basque Country UPV/EHU（巴斯克地区大学）
形式本体是基于逻辑的形式主义中的公理化。形式化本体的发展及其在语义网领域的重要作用，促使人们对有助于本体工程的自动推理技术和工具的使用进行了大量的研究。主要目标之一是细化和改进公理化，以使自动推理工具能够有效地推断可靠的信息。公理化中的缺陷不仅会导致错误的推理，而且还会通过增加推理的计算成本甚至阻止推理来阻碍预期信息的推理。在本文中，我们介绍了一种新的，全自动的白盒测试框架的一阶逻辑本体。我们的方法是基于检测的推理为基础的冗余在给定的公理化。所提出的测试方法的应用是完全自动化的，因为a）测试的自动生成仅由公理的语法指导，并且b）测试的评估由自动定理证明器执行。我们的建议，使缺陷的检测，并服务于证明的适用性等级-推理的目的-每个公理。我们正式定义的测试，从任何公理生成的集合，并证明每个测试是逻辑上相关的公理，测试已经产生的冗余。我们已经实现了我们的方法，并使用这种实现自动检测隐藏在各种一阶逻辑本体中的几个非平凡的缺陷。在整个文件中，我们提供了这些缺陷的说明性例子，解释他们是如何发现的，以及如何每个证明-由自动定理证明-提供了有用的提示每个缺陷的性质。此外，通过纠正所有检测到的缺陷，我们已经获得了一个改进版本的测试本体：Adimen-SUMO。
2019-01-30 cs.AI
Inseparability and Conservative Extensions of Description Logic Ontologies: A Survey
Free University of Bozen-Bolzano（博岑-博尔扎诺自由大学）；University of Liverpool（利物浦大学）；University of Bremen（不来梅大学）；Birkbeck, University of London（伦敦大学伯贝克学院）
一个本体是否可以安全地被另一个可能更简单的本体替换的问题是许多本体工程和维护任务的基础。例如，它支持本体版本化、本体模块化、遗忘和知识交换。安全替换的含义取决于本体的预期应用。例如，如果它被用来查询数据，那么任何相关的本体中介查询的答案应该在任何相关的数据集上都是相同的;相反，如果本体被用于概念推理，那么概念表达式之间的必然包含应该一致。这就产生了不同的概念，本体不可分离，如查询不可分离和概念不可分离，推广相应的保守扩展的概念。我们调查结果的描述逻辑本体论的背景下，各种概念的不可分割性，讨论他们的应用程序，有用的模型理论的表征，算法确定是否两个本体是不可分割的（有时，计算它们之间的差异，如果他们不是），和这个问题的计算复杂性。
2018-04-20 cs.AI
DeFind: A Protege Plugin for Computing Concept Definitions in EL Ontologies
Institute of Mathematics, Novosibirsk State University（新西伯利亚国立大学数学研究所）；Institute of Informatics Systems, Novosibirsk State University（新西伯利亚国立大学信息系统研究所）
我们介绍了一个扩展的Protege本体编辑器，它允许发现概念定义，这是不明确存在的公理，但逻辑上隐含的本体。该插件支持在描述逻辑EL中制定的本体，该描述逻辑EL支持Web本体语言的OWL 2 EL配置文件，尽管其有限的表达能力捕获了Web上发布的大多数生物医学本体。所开发的工具允许验证是否可以使用用户指定的感兴趣的词汇定义一个概念。特别是，它允许决定是否可以省略一些词汇项目在制定一个复杂的概念。相应的定义被呈现给用户，并被提供有由本体推理器生成的解释。
2018-10-10 cs.AI cs.LO
FALCON: Scalable Reasoning over Inconsistent ALC Ontologies
Delft University of Technology（代尔夫特理工大学）；University of Toronto（多伦多大学）；University of Notre Dame（圣母大学）
提出FALCON模糊本体神经推理器，通过近似模型生成与采样，实现大规模不一致ALC本体的可扩展近似推理，并在生物医学知识库补全中验证其有效性。
2024-05-27 cs.AI cs.LO
Answering Fuzzy Queries over Fuzzy DL-Lite Ontologies
University of Milano-Bicocca（米兰比可卡大学）
知识表示中的一个突出问题是如何回答查询，同时考虑表示领域知识的本体的隐含后果。虽然这个问题已经在描述逻辑本体论的领域内得到了广泛的研究，但令人惊讶的是，在模糊或不精确知识的背景下，特别是从数学模糊逻辑的角度来看，它被忽视了。在本文中，我们研究的问题，回答合取查询和阈值查询w.r.t.模糊DL-Lite中的本体。具体来说，我们通过重写的方法，阈值查询回答w.r.t.在数据复杂度方面，一致的本体保持在$AC_0$中，但是合取查询应答高度依赖于所选择的三角范数，这对底层语义有影响。对于幂等的哥德尔t-范数，我们提供了一个有效的方法的基础上减少到经典的情况。这篇论文是在逻辑程序设计理论与实践（TPLP）中考虑的。
2021-11-23 cs.AI
First steps in the logic-based assessment of post-composed phenotypic descriptions
Universitat Jaume I de Castelló（卡斯特利翁海梅一世大学）；European Bioinformatics Institute（欧洲生物信息研究所）；University of Oxford（牛津大学）
在本文中，我们提出了一个初步的逻辑为基础的评估整合后组成的表型描述与领域本体。评价已经进行了使用描述逻辑推理与可扩展的技术：本体模块化和本体之间的逻辑差异的近似。
2010-12-08 cs.AI cs.LO
Embedding Non-Ground Logic Programs into Autoepistemic Logic for Knowledge Base Combination
Free University of Bozen-Bolzano（波尔扎诺自由大学）；Digital Enterprise Research Institute（数字企业研究院）；National University of Ireland, Galway（爱尔兰国立高威大学）
在语义网的背景下，已经提出了几种方法来结合的本体，在经典的一阶逻辑和规则库的理论。它们要么将规则注入经典逻辑，要么限制规则与本体之间的交互。自认知逻辑（Autoepistemic logic，AEL）是一种很有吸引力的形式化语言，它可以作为一种统一的宿主语言，将本体和非单调逻辑程序嵌入其中，从而克服了这些局限性。本文给出了正常非基逻辑程序和析取非基程序在稳定模型语义下到一阶AEL的三种嵌入。虽然嵌入都对应于目标基础原子，但在考虑非原子公式和与一阶理论的组合时会出现差异。我们比较嵌入稳定的扩展和自我认知的后果，考虑嵌入本身，以及与经典理论的组合。我们的研究结果揭示了嵌入的差异和对应关系，并提供了有用的指导，在选择一个特定的嵌入知识组合。
2010-06-11 cs.AI cs.LO
Learning Ontologies with Epistemic Reasoning: The EL Case
KRDB Research Centre（KRDB研究中心）；Free University of Bozen-Bolzano（博岑-博尔扎诺自由大学）；Italy（意大利（注：此处国家信息按要求不提取，但原文中该机构位于意大利，因题目要求提取范围是机构，国家不属于机构，故仅保留机构部分）}]} 修正说明：根据提取规则，国家不属于机构，应只提取大学/学院/公司/研究院级别，因此正确应为：{）
我们研究的问题，学习描述逻辑本体蕴涵通过查询，使用认知推理。我们引入了一个新的学习模型，包括认知成员和示例查询，并表明在这个模型中的多项式可学习性与Angluin的精确学习模型中的多项式可学习性与成员和等价查询相吻合。然后，我们实例化我们的学习框架EL和显示一些复杂的结果EL的认知扩展的认知运营商可以应用于公理。最后，我们转移到我们的学习模型的基础上认知推理的EL本体及其片段的已知结果。
2019-02-08 cs.AI cs.LG cs.LO
The Institutional Approach
本章讨论了组织和维护本体的制度方法。制度理论最初由约瑟夫·戈根和罗德·伯斯托尔提出。这一理论是一种基于范畴论的元理论，它把本体论看作逻辑理论或局部逻辑。制度理论使用纤维化和索引范畴的范畴理论思想来发展逻辑理论。机构将Ganter和Wille的形式概念分析的格方法与Barwise和Seligman的信息流的分布式逻辑相结合。制度化的方法局部地结合了来自知识表示理论的Sowa的理论网格思想。信息流框架，这是在IEEE标准的上层本体项目中发起的，使用机构的方法在其应用方面的比较，语义集成和本体的维护。本章以一种仔细而详细的方式解释了本体论的制度方法的中心思想。
2018-10-17 cs.AI cs.LO
To Neuro-Symbolic Classification and Beyond by Compiling Description Logic Ontologies to Probabilistic Circuits
University of Pisa（比萨大学）；University of Bologna（博洛尼亚大学）；University of Edinburgh（爱丁堡大学）
通过将描述逻辑本体编译为概率电路，实现神经符号分类与知识表示的深度融合，提升演绎推理效率和预测一致性。
2026-01-21 cs.AI
Answering Regular Path Queries Over SQ Ontologies
Cardiff University（卡迪夫大学）；TU Wien（维也纳工业大学）；Universität Bremen（不来梅大学）
我们研究查询回答的描述逻辑$\mathcal{SQ}$支持合格的数量限制的传递和非传递的角色。我们的主要贡献是一个树状模型属性的$\mathcal{SQ}$知识库，并在此基础上，一个最佳的自动机为基础的算法回答积极存在的正规路径查询2ExpTime。
2020-11-17 cs.AI cs.LO
Reasoning about exceptions in ontologies: from the lexicographic closure to the skeptical closure
Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）
本体论中的异常推理是描述逻辑界目前面临的挑战之一。本文介绍了一种基于有理闭包的描述逻辑异常处理方法。有理闭包的优点是为例外推理提供了一种简单有效的方法，但它不允许独立处理概念的不同可废止属性的继承。在这项工作中，我们概述了这个问题的一个可能的解决方案，通过引入一个变体的字典编译闭包，我们称之为怀疑闭包，这需要构建一个单一的基地。我们开发了一个双偏好语义语义定义的表征的怀疑关闭。
2018-07-08 cs.AI
Ontohub: A semantic repository for heterogeneous ontologies
Free University of Bozen-Bolzano（博尔扎诺-博岑自由大学）；Otto-von-Guericke University of Magdeburg（马格德堡奥托·冯·古里克大学）
Ontohub是一个用于管理分布式异构本体的存储库引擎。分布式特性使社区能够轻松地分享和交换他们的贡献。异构性使得集成以各种本体语言编写的本体成为可能。Ontohub支持广泛的形式逻辑和本体语言，以及各种结构化和模块化结构和理论间（概念）映射，建立在OMG标准化的DOL语言之上。Ontohub存储库被组织为Git存储库，因此继承了这个流行的版本控制系统的所有功能。此外，Ontohub是第一个满足开放本体库（OOR）计划背景下制定的大量需求的库引擎，包括联邦API以及对逻辑推理和公理选择的支持。
2016-12-15 cs.AI
On the Complexity of Semantic Integration of OWL Ontologies
我们提出了一个新的机制，OWL本体集成使用语义导入关系。与标准的OWL导入相比，我们不需要考虑导入本体的所有公理进行推理任务，而只需要考虑它们在所选签名上的逻辑含义。这个属性在许多本体集成场景中是很自然的，特别是当本体的数量很大的时候。在本文中，我们研究了推理的复杂性与语义导入关系的本体，并建立了严格的复杂性范围内的各种片段的OWL。
2017-05-12 cs.AI
Efficient Computation of General Modules for ALC Ontologies (Extended Version)
LISN（LISN实验室）；CNRS（法国国家科学研究中心）；Université Paris-Saclay（巴黎萨克雷大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
针对描述逻辑ALC本体，提出基于均匀插值的通用模块提取方法，能生成比经典模块和现有均匀插值更小且计算更快的模块，并改进了二者的计算。
2023-05-16 cs.AI cs.LO
An Experiment on the Connection between the DLs' Family DL<ForAllPiZero> and the Real World
本文描述了一个选定的语义Web本体的测试床的分析，通过SPARQL查询，确定那些本体，可以相关的描述逻辑DL<ForAllPiZero>，介绍了在[4]和研究[9]。我们将看到，在这种计算效率高的语言中，它们中的合理数量是可表达的。我们期望，从长远来看，描述逻辑的时间化，从而OWL（2），可以打开新的视角，在这种语言中包含更多的测试平台的本体，并希望，“现实世界”。
2012-11-23 cs.AI cs.LO
A Description Logic for Analogical Reasoning
Cardiff University（卡迪夫大学）
本体论形式化了来自给定领域的概念是如何相互关联的。尽管它们作为可解释人工智能的支柱具有明显的潜力，但现有的本体往往是高度不完整的，这是它们更广泛采用的重大障碍。为了缓解这个问题，我们提出了一种机制来推断合理的缺失知识，这依赖于类比推理。据我们所知，这是第一篇论文，研究类比推理的设置描述逻辑本体。在显示类比比例的标准形式化具有重要的局限性，在这种情况下，我们介绍了一种替代语义的基础上双射映射集的功能。然后，我们分析的性质下提出的语义类比，并显示它如何使两个合理的推理模式：规则翻译和规则外推等。
2021-05-10 cs.AI
The Logical Difference for the Lightweight Description Logic EL
University of Liverpool（利物浦大学）
我们研究了一种基于逻辑的本体版本化方法。在这种观点下，本体提供了对一些感兴趣的词汇表的查询的答案。本体的两个版本之间的差异由接收不同答案的查询集给出。我们调查这种方法中的描述逻辑EL扩展与角色的包容性和域和范围的限制，为三种不同类型的查询：包容，实例和合取查询的术语。在所有这三种情况下，我们提出了多项式时间算法，决定是否两个术语给出相同的答案，查询一个给定的词汇表和计算的差异，如果它是非空的简洁表示。我们提出了一个实现，CEX2，包容和实例查询的算法，并将其应用到不同版本的Snomed CT和NCI本体。
2014-01-23 cs.AI cs.LO
Towards arrow-theoretic semantics of ontologies: conceptories
在知识表示领域范畴论方法和逻辑方法的努力中，我们提出了概念的概念。我们认为交集/工会和其他结构的概念表达替代范畴理论（共）限制，并显示它们具有类似的功能（投影，在）喷射。然后，我们简要地讨论了建立在概念的基础上的形式系统的开发方法，并描述了这种系统的具体本体的可能应用。
2010-08-07 cs.AI cs.LO math.CT
Inductive Logic Programming in Databases: from Datalog to DL+log
Università degli Studi di Bari（巴里大学）
在本文中，我们解决了一个问题，已经引起了数据库社区的注意，随着语义Web的出现，即本体论（和它们所传达的语义）如何帮助解决典型的数据库问题的问题，通过更好地了解KR方面相关的数据库。特别是，我们调查这个问题，从ILP的角度考虑两个数据库的问题，（i）的定义的意见和（ii）的定义的约束，为数据库的模式表示也通过本体。两者都可以重新表述为ILP问题，并可以受益于KR框架DL+log的表达和演绎能力。我们通过实例说明了应用场景。关键词：归纳逻辑程序设计，关系数据库，本体，描述逻辑，混合知识表示和推理系统。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2010-03-12 cs.AI cs.DB cs.LG
Fitting Description Logic Ontologies to ABox and Query Examples
Leipzig University（莱比锡大学）；ScaDS.AI Center（ScaDS.AI研究中心）；Dresden/Leipzig（德累斯顿/莱比锡）
本文研究基于本体介导查询的本体拟合问题，针对描述逻辑ALC和ALCI以及AQs、CQs、UCQs等查询语言给出有效刻画，并确定了判定拟合本体存在性的计算复杂度。
2025-08-12 cs.AI cs.LO
Unification in the Description Logic EL
TU Dresden（德累斯顿工业大学）
描述逻辑EL最近引起了相当大的关注，因为一方面，重要的推理问题，如包容问题是多项式的。另一方面，EL用于定义大型生物医学本体。描述逻辑中的统一已经被提出作为一种新的推理服务，例如，可以用于检测本体中的冗余。本文的主要结果是EL中的统一是可判定的。更确切地说，EL-统一是NP-完全的，因此具有与EL-匹配相同的复杂性。我们还表明，w.r.t.统一类型EL表现得不太好：它是零类型，这特别意味着存在没有有限完整统一符集的统一问题。
2010-09-04 cs.AI cs.LO
Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving
Robert Bosch GmbH（罗伯特·博世有限公司）；RWTH Aachen（亚琛工业大学）；ika（ika（亚琛工业大学汽车研究所））
知识表示和推理在研究如何通过机器对知识进行形式化、解释和语义分析方面有着悠久的历史。在自动驾驶汽车领域，最新的进展表明，有能力将相关知识正规化和利用，作为处理交通世界固有的开放和复杂背景的关键推动因素。本文证明本体论是一个强大的工具，a）建模和形式化和b）推理与自动驾驶汽车的环境中的关键性相关的因素。为此，我们利用众所周知的6层模型来创建环境背景的正式表示。在这种表示中，本体将领域知识建模为逻辑公理，从而能够推断交通场景和场景中的关键因素的存在。为了执行自动化分析，联合描述逻辑和规则推理器与先验谓词增强相结合使用。我们详细阐述了模块化的方法，提出了一个公开的实现，并通过一个大规模的无人机数据集的城市交通场景的方法进行评估。
2022-07-05 cs.AI cs.LO
Finite Entailment of UCRPQs over ALC Ontologies
Cardiff University（卡迪夫大学）；University of Warsaw（华沙大学）
我们研究的问题有限蕴涵本体介导的查询。我们考虑表达查询语言，联盟的合取正则路径查询（UCRPQs），扩展著名的类联盟的合取查询，正则表达式的角色。我们期待在本体制定使用描述逻辑ALC，并显示一个紧密的2EXPTIME上限蕴涵的UCRPQs。在我们的决策过程的核心，有一个新的自动机为基础的技术，引入了分层的解释所引起的确定性有限自动机的输入UCRPQ
2022-05-06 cs.AI cs.DB cs.LO
Generating $SROI^-$ Ontologies via Knowledge Graph Query Embedding Learning
University of Stuttgart（斯图加特大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）；University of Southampton（南安普顿大学）；University of Oslo（奥斯陆大学）
针对现有查询嵌入模型过度依赖参数化网络且缺乏可解释性的问题，提出AConE方法，将$SROI^-$概念与关系嵌入复向量空间，在实现公理可解释性的同时以更少参数提升了查询回答性能。
2024-08-27 cs.AI cs.DB cs.LG
An Embedding-based Approach to Inconsistency-tolerant Reasoning with Inconsistent Ontologies
School of Computer Science；Engineering, Southeast University Nanjing China；School of Mathematics, Southeast University Nanjing China；School of Modern Posts \& Institute of Modern Posts, Nanjing University of Posts；Engineering, Southeast University；School of Mathematics, Southeast University
本文提出一种基于公理嵌入的方法，用于处理不一致本体的推理，通过语义向量计算提升推理能力。
2026-03-09 cs.AI
Building Trustworthy AI: Transparent AI Systems via Large Language Models, Ontologies, and Logical Reasoning (TranspNet)
Department of Data Science, Faculty of Science and Technology, Norwegian University of Life Sciences（数据科学系，科学与技术学院，挪威生命科学大学）
针对LLM在医疗、金融等高风险场景中的黑箱问题，本文提出融合符号AI、RAG、专家知识与ASP形式化推理的TranspNet流水线，以增强输出的可验证性、可解释性和可信度。
2024-12-18 cs.AI cs.ET
A Practical Acyclicity Notion for Query Answering over Horn-SRIQ Ontologies
Wright State University（莱特州立大学）
合取查询回答表达霍恩描述逻辑本体是一个相关的和具有挑战性的问题，在某些情况下，可以解决的应用程序的追逐算法。在本文中，我们定义了一个新的无环性的概念，它提供了一个充分条件，终止限制追逐Horn-SRIQ T盒。我们表明，这一概念概括了大多数现有的无环性条件（理论和经验）。此外，这个新的非循环概念产生了一个非常有效的推理过程。我们为此提供了证据，提供了一个基于物化的推理机的非循环本体，优于其他国家的最先进的系统。
2018-04-19 cs.AI cs.DB cs.LO
Bias in ontologies -- a preliminary assessment
University of Cape Town（开普敦大学）
在计算和IT中，本体论形式的逻辑理论和类似的人工制品被用于结构化、注释和查询数据等，从而影响关于什么被馈送到算法中的数据分析。算法偏见是一个众所周知的概念，但是在为算法输入提供结构化机制的本体论的上下文中，偏差意味着什么呢？偏见的来源是什么？它们如何在本体论中表现出来？我们检查和列举类型的偏见相关的本体论，以及它们是否是明确的或隐含的。这八种类型的例子说明了从现存的生产级本体和样本的文献。然后，我们评估了三个同时开发的COVID-19本体论的偏见，并在每个本体论中检测到不同程度的偏见类型子集。这第一个特点的目的是有助于本体论的道德方面的敏感性，主要是关于信息和知识的表示。
2021-01-20 cs.AI
A Typed Hybrid Description Logic Programming Language with Polymorphic Order-Sorted DL-Typed Unification for Semantic Web Type Systems
在本文中，我们阐述了一个具体的应用程序的背景下，混合描述逻辑程序（混合DLP），即描述逻辑语义Web类型系统（DL类型），用于长期类型化的LP规则的基础上多态，有序排序，混合DL类型的统一作为过程语义的混合DLP。使用语义Web本体作为类型系统，通过显式定义的类型本体的动态类型化和映射，促进了跨域边界的域独立规则的交换。
2007-04-03 cs.AI
Robustness of Constraint Automata for Description Logics with Concrete Domains
提出基于约束自动机的方法，通过符号约束扩展转移，在具体域满足简单性质时实现EXPTIME最优上界，并证明本体一致性问题的EXPTIME隶属度，扩展至逆角色、功能角色名和约束断言仍保持该复杂度。
2026-06-29 cs.AI cs.LO
SHACL Validation in the Presence of Ontologies: Semantics and Rewriting Techniques
TU Wien（维也纳工业大学）
本文提出了一种基于核心普遍模型的SHACL验证语义，利用描述逻辑Horn-ALCHIQ构建本体模型，并通过重写技术将本体存在下的SHACL验证转化为标准验证，证明其复杂性为EXPTIME完全问题。
2026-01-20 cs.AI cs.LO
Data Complexity and Rewritability of Ontology-Mediated Queries in Metric Temporal Logic under the Event-Based Semantics (Full Version)
Birkbeck, University of London（伦敦大学伯贝克学院）；University of Oxford（牛津大学）；University of Warsaw（华沙大学）
我们调查的数据复杂性的基于事件的语义下，假设数据实例是有限时间的字时间戳与二进制分数的度量时态逻辑本体介导的回答查询。我们确定类的本体介导的查询回答，可以在AC0，NC1，L，NL，P，和coNP的数据复杂性，提供他们的重写一阶逻辑及其扩展与原始递归，传递闭包或databases，并建立较低的复杂性界限。
2019-07-01 cs.AI cs.CC cs.LO
CQE in Description Logics Through Instance Indistinguishability (extended version)
Sapienza Università di Roma（罗马大学）；Università degli Studi di Bergamo（贝加莫大学）
我们研究隐私保护查询回答描述逻辑（DLs）。具体来说，我们认为的方法的控制查询评估（CQE）的概念的基础上的实例不可分割性。我们推导出数据复杂性的结果查询回答DL-Lite $_{\mathcal{R}}$本体，通过比较与一种替代的，现有的保密CQE的方法。最后，我们确定了CQE的近似查询回答的语义上有根据的概念，并证明了，对于DL-Lite $_{\mathcal{R}}$本体，这种形式的CQE在数据复杂度方面是易处理的，并且是一阶的，即，它总是可简化为对数据实例的一阶查询的评估。
2020-04-24 cs.AI cs.DB
Data Analytics using Ontologies of Management Theories: Towards Implementing 'From Theory to Practice'
York University（约克大学）；Kingsdale Shareholder Services（金斯代尔股东服务公司）；Canadian Tire（加拿大轮胎公司）
我们探讨了计算本体论如何在“数据科学”这一发展中的学科中发挥作用。“我们提出了一种方法，其中管理理论被表示为形式公理，然后应用于对驻留在公司数据库中的数据进行推断。也就是说，管理理论将被实现为数据分析引擎中的规则。我们展示了一个案例研究的发展，这样的本体论正式代表会计理论的一阶逻辑。虽然相当初步，但信息技术（即本体论）可以潜在地实现学术陈词滥调“从理论到实践”并适用于新兴的数据分析领域的想法是新颖和令人兴奋的。
2016-08-28 cs.AI
OntoScene, A Logic-based Scene Interpreter: Implementation and Application in the Rock Art Domain
University of Milano Bicocca（米兰比可卡大学）；University of Genova（热那亚大学）
我们提出OntoScene，一个框架，旨在理解语义的视觉场景从语义的元素和它们之间的空间关系举行。OntoScene利用本体来表示知识，利用Prolog来指定领域专家可能采用的解释规则，并实现SceneInterpreter引擎。本体论允许设计者以可重用的方式形式化域，并使系统模块化，并与现有的多智能体系统互操作，而Prolog提供了一个坚实的基础，以定义复杂的解释规则的方式，可以负担得起的，即使是没有计算逻辑背景的人。选择进行OntoScene实验的领域是史前岩石艺术，它为我们提供了一个迷人而具有挑战性的试验平台。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2019-11-05 cs.AI cs.CV cs.LO
From axioms over graphs to vectors, and back again: evaluating the properties of graph-based ontology embeddings
Computational Bioscience Research Center（计算生物科学研究中心）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文评估了基于图的本体嵌入方法，分析了不同图投影的性质对预测公理性能的影响，发现投影方式和本体选择显著影响嵌入效果。
2023-05-11 cs.AI cs.LO
The Distributed Ontology Language (DOL): Use Cases, Syntax, and Extensibility
Research Center on Spatial Cognition, University of Bremen（不来梅大学空间认知研究中心）；University of Birmingham（伯明翰大学）；DFKI GmbH Bremen（德国人工智能研究中心不来梅分中心）；Infoterm（国际术语信息中心）；University of Toronto（多伦多大学）
分布式本体语言（DOL）目前正在ISO/TC 37/SC 3的OntoIOp（本体集成和互操作性）活动中进行标准化。它旨在为（1）异构逻辑形式化的本体，（2）模块化本体，（3）本体之间的链接，以及（4）本体的注释提供一个统一的框架。本文介绍了DOL标准化的现状。它侧重于分布式本体支持互操作性和可重用性的用例。我们展示了DOL语法和语义的相关功能，并解释了这些功能如何集成到现有的知识工程环境中。
2012-08-01 cs.AI cs.DL cs.LO
Optimizations for Decision Making and Planning in Description Logic Dynamic Knowledge Bases
IMT Institute for Advanced Studies（IMT高等研究院）
以工件为中心的业务流程模型最近引起了很多关注，因为它们以无缝的方式将结构（即数据相关）与动态（即流程相关）方面结合起来。然而，在这种方法下开发的许多框架并不是明确为规划而建立的，而规划是与业务流程有关的最重要的业务之一。在本文中，我们试图克服这一点，提出了一个框架，名为动态知识库，旨在通过描述逻辑为基础的本体描述丰富的业务领域，并在一组动作允许系统通过修改这样的本体发展。这个框架，通过提供行动重写和知识偏化，代表了一个可行的和正式的环境，以开发决策和规划技术，基于DL的工件为中心的业务领域。
2015-05-04 cs.AI
Planning with OWL-DL Ontologies (Extended Version)
University of Oslo（奥斯陆大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究提出本体介导的规划方法，通过接口松散耦合规划问题与本体，设计支持OWL DL全表达能力的黑盒算法，将规划规范重写为PDDL求解，实验验证了方法可行性及推理优化对性能的显著作用。
2024-08-14 cs.AI
Reverse Engineering of Temporal Queries Mediated by LTL Ontologies
Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；IRIF（法国信息与自动化研究所）；University of Liverpool（利物浦大学）；Birkbeck, University of London（伦敦大学伯贝克学院）；University of Southampton（南安普顿大学）
该研究针对带时间戳数据上的LTL正片段查询，开展按例查询的逆向工程研究，探究查询语言设计及相关判定问题的复杂度，同时覆盖普通LTL查询与LTL本体介导的查询。
2023-05-04 cs.AI cs.LO
Dividing the Ontology Alignment Task with Semantic Embeddings and Logic-based Modules
City, University of London（伦敦大学城市学院）；University of Oslo（奥斯陆大学）；Medical University of Vienna（维也纳医科大学）；University of Oxford（牛津大学）；Miami University（迈阿密大学）
大型本体仍然对最先进的本体对齐系统提出了严峻的挑战。在本文中，我们提出了一种方法，结合了神经嵌入模型和基于逻辑的模块，以准确地将输入本体匹配任务划分为更小，更易于处理的匹配（子）任务。我们已经进行了全面的评估，使用本体对齐评估计划的数据集。结果是令人鼓舞的，并建议，所提出的方法是足够的，在实践中，可以集成在工作流程中的系统无法应付非常大的本体。
2020-02-25 cs.AI
OntoLoki: an automatic, instance-based method for the evaluation of biological ontologies on the Semantic Web
University of British Columbia（不列颠哥伦比亚大学）
本体中每个类的逻辑定义的描述以及这些定义在将实例分配给类时的一致性应用是本体评估的重要标准。如果本体是用基于属性的类成员限制来指定的，那么这种一致性可以被自动检查。如果没有这样的逻辑限制，是与许多生物本体的情况下，目前没有自动化的方法来衡量的语义一致性的实例分配的本体范围内的规模，也没有推断的模式，可能会定义一个特定的类的属性。我们构建了一个程序，作为其输入的OWL/RDF知识库包含一个本体，与本体中的每个类相关联的实例，以及这些实例的属性。对于每个类，它输出：1）用于基于实例的属性确定类成员资格的规则，以及2）反映所识别的规则正确预测知识库中的实例的类成员资格的能力的类的定量分数。我们评估了这个程序使用人工知识库的已知质量和真正的，广泛使用的本体。结果表明，所提出的方法可以用来进行客观的，自动的，数据驱动的生物本体的评价没有正式的类定义方面的基于属性的实例分配的一致性。这种归纳方法补充了现有的，纯粹的演绎方法自动一致性检查，提供不仅有可能帮助本体工程过程中，而且在知识发现过程中。
2015-02-20 cs.AI q-bio.QM
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
Generating Natural Language Descriptions from OWL Ontologies: the NaturalOWL System
Athens University of Economics and Business（雅典经济与商业大学）；Institute for Language and Speech Processing（语言与语音处理研究所）
我们提出NaturalOWL，一个自然语言生成系统，产生描述个人或类的OWL本体的文本。不像简单的OWL verbalizers，通常表示一个单一的公理在一个时间在控制，往往不是完全流畅的自然语言主要是为了领域专家的利益，我们的目标是为最终用户生成流畅和连贯的多句子文本。有了像NaturalOWL这样的系统，人们可以在Web上发布OWL中的信息，以及自动生成的多种语言的相应文本，使信息不仅可以被计算机程序和领域专家访问，而且可以被最终用户访问。我们讨论了NaturalOWL的处理阶段，系统可以在每个阶段使用的可选域相关语言资源，以及它们为什么有用。我们还提出的试验表明，当域相关的语言资源可用，NaturalOWL产生显着更好的文本相比，一个简单的verbalizer，可以创建相对较轻的努力的资源。
2014-04-24 cs.AI cs.CL
Reasoning about actions with EL ontologies with temporal answer sets
Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）
我们提出了一种基于回答集编程的方法，用于推理与域描述，包括本体知识，在轻量级描述逻辑EL^ \bot表示的行动。我们考虑一个时间的行动理论，它允许非确定性的行动和因果规则来处理后果，其扩展定义的时间答案集。我们提供的条件下，可以保证相对于本体的动作一致性，由一个多项式编码的动作理论扩展与EL^ \bot知识库（在范式）到一个时间的动作理论。
2021-07-18 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
GLaMoR: Consistency Checking of OWL Ontologies using Graph Language Models
Ulm University（乌尔姆大学）
本文提出GLaMoR，利用图语言模型将OWL本体转为图结构数据进行一致性检查，在BioPortal数据集上达到95%准确率，速度比经典推理器快20倍。
2026-09-14 cs.AI cs.LG
