AGI as Second Being: The Structural-Generative Ontology of Intelligence
University of California, Berkeley（加州大学伯克利分校）；University of California, San Diego（加州大学圣地亚哥分校）
本文提出智能的结构-生成本体论，指出真正智能需具备生成性、协调性与持续性深度，现有AI仅为表层模拟，满足条件的未来系统可成为与人类并存的第二存在。
2025-09-02 cs.AI
Role of Ontology in Semantic Web Development
Vienna University of Technology（维也纳技术大学）
万维网（WWW）是最流行的全球信息共享和通信系统，由三个标准组成，即，统一资源标识符（URL）、超文本传输协议（HTTP）和超文本标记语言（HTML）。通过使用HTML，信息以文本，图像，音频和视频格式在Web上提供，HTML被认为是定义和形式化上下文含义的非常规方法。
2010-08-07 cs.AI
The State of the Art: Ontology Web-Based Languages: XML Based
Philadelphia University（费城大学）
目前已经提出了许多形式语言来表示本体，包括RDF、RDFS、DAML+OIL和OWL。这些语言中的大多数都基于XML语法，但具有不同的术语和表达能力。因此，选择一种语言来构建本体是主要的一步。本体语言的选择主要取决于本体要表达的内容和本体的用途。该语言应该具有一系列质量支持功能，例如易用性，表达能力，兼容性，共享和版本控制，国际化。这是因为不同类型的基于知识的应用程序需要不同的语言特征。这些语言的主要目标是为网络上现有的信息添加语义。本文的目的是提供现有语言的良好知识和对这些语言的理解以及如何使用。
2010-06-23 cs.AI
WebProtégé: A Cloud-Based Ontology Editor
Stanford University（斯坦福大学）
我们提出WebProtégé，一个工具来开发本体表示的Web本体语言（OWL）。WebProtégé是一个基于云的应用程序，允许用户协作编辑OWL本体，它可以在https://webprotege.stanford.edu上使用。WebProtégeé目前拥有超过68，000个OWL本体项目，并拥有超过50，000个用户帐户。在本文中，我们详细介绍了最新版本的WebProtégé的主要新功能。
2019-03-06 cs.AI cs.IR
HuTO: an Human Time Ontology for Semantic Web Applications
INRIA Sophia Antipolis（法国国家信息与自动化研究所索菲亚-安提波利斯中心）；Univ. Nice Sophia Antipolis（尼斯索菲亚-安提波利斯大学）；CNRS（法国国家科学研究中心）；Université Gaston Berger（加斯顿·伯杰大学）
时间现象有许多方面，由不同的社区研究。在语义Web中，处理和产生大量的异构数据。这些数据往往有非正式的，半正式或正式的时间信息，必须解释的软件代理。在本文中，我们提出了人类时间本体（HuTO）的RDFS本体标注和表示时态数据。HuTO的一个主要贡献是对非凸区间进行建模，从而能够为这种区间编写查询。HuTO还结合了规范化和推理规则来明确某些信息。HuTO还提出了一种将时间维度与知识库内容相关联的方法。这通过考虑或不考虑时间方面来促进信息检索。
2015-06-19 cs.AI
Ontology for Healthcare Artificial Intelligence Privacy in Brazil
本文构建了一个融合流行病学、医学、统计学与计算机科学的领域本体，通过7步流程系统描述医疗数据匿名化及隐私保护要素，并展示其在医院AI开发与验证中的实际应用。
2024-06-06 cs.AI
Ontology in Hybrid Intelligence: a concise literature review
University of Technology Sydney（悉尼科技大学）
本文综述了Ontology在Hybrid Intelligence中的应用，指出其在提升质量、互操作性和可解释性方面作用显著（70+%系统已应用），但指出文献缺乏对下一代混合智能环境的整体讨论及对自动推理的明确关注。
2023-10-17 cs.AI
Towards an ontology of HTTP interactions
Néréide（Néréide 公司）
企业信息系统采用了基于网络的基础，以便在不同的方案之间进行交流。这些程序通过Web API提供和使用由URI标识的一些资源，URI的表示通过HTTP传输。此外，HTTP仍然是所有Web开发的核心（语义Web，链接数据，物联网...）。因此，程序必须能够推理HTTP交互（请求-响应）的情况越来越多。这需要一个明确的正式规范的共享概念化的这些相互作用。已提出一项关于RDF词汇的建议，其目的是进行网络应用程序一致性测试并记录测试结果。此词汇表已被重用。在本文中，我们建议调整和扩展它，使其更可重用。
2020-07-20 cs.AI
A curated, ontology-based, large-scale knowledge graph of artificial intelligence tasks and benchmarks
Institute of Artificial Intelligence, Medical University of Vienna（维也纳医科大学人工智能研究所）
人工智能（AI）的研究正在通过快速增长的模型和方法来解决越来越多的任务。这使得很难跟踪新的人工智能方法在哪里成功应用-或仍然不成功-，如何衡量进展，不同的进步如何相互协同，以及未来的研究应该如何优先考虑。为了帮助解决这些问题，我们创建了智能任务本体和知识图谱（ITO），这是一个关于人工智能任务、基准测试结果和性能指标的全面、结构丰富和手动管理的资源。当前版本的ITO包含685，560条边，1，100个表示AI过程的类和1，995个表示性能指标的属性。ITO的目标是对AI任务和能力的全球格局进行精确和基于网络的分析。ITO基于的技术允许轻松集成和丰富外部数据，自动推理以及对底层本体模型的持续，协作专家策展。我们公开了ITO数据集和一系列使用ITO的笔记本电脑。
2021-10-06 cs.AI
Towards the Ontology Web Search Engine
本文提出了本体Web搜索引擎的设计方案。本文的主要目的是开发这样一个项目，可以很容易地实现。本体网络搜索引擎是一种在网络中查找和索引本体的软件。OWL（Web Ontology Languages）是指本体，它们是SWES（Semantic Web专家系统）运行所必需的。SWES是一个专家系统，它将使用从Web上找到的本体，从中生成规则，并将用这些生成的规则补充其知识库。预计SWES将作为一般用户的通用专家系统。
2015-05-04 cs.AI cs.DL cs.IR
Combining Ontology Development Methodologies and Semantic Web Platforms for E-government Domain Ontology Development
Vaal University of Technology（瓦尔理工大学）；North-West University（西北大学）
电子政务的主要挑战之一是开发易于集成和互操作的系统，以便向公民提供无缝服务。近年来，基于本体的语义Web技术已经成为解决上述工程问题的一个很有前途的解决方案。然而，目前的研究实践语义发展在电子政务并不集中在现有的方法和平台开发政府领域本体的应用。此外，只有少数这些研究提供了详细的指导方针，从政府服务领域开发语义本体模型。本研究提出了一个案例研究相结合的本体构建方法和两个国家的最先进的语义Web平台，即Protege和Java Jena本体API的语义本体开发在电子政务。首先，采用Uschold和King本体构建方法的框架来构建描述政府服务领域语义内容的领域本体。然后，用UML半形式化地表示领域本体。最后，利用Protege和Jena API分别建立了领域本体的Web本体语言（OWL）和资源描述框架（RDF）表示，以支持其计算机处理。这项研究的目的是：（1）为电子政务开发人员，特别是发展中国家的开发人员提供在其电子政务项目中进行语义内容开发的详细指南;（2）加强电子政务中语义技术的采用。这项研究也会引起语义网开发新手的兴趣，他们可能会把它作为进一步研究的起点。
2011-04-26 cs.AI cs.CY
Understanding Semantic Web and Ontologies: Theory and Applications
Philadelphia University（费城大学）；Faculty of Information Technology（信息技术学院）
语义Web实际上是当前Web的扩展，因为它对人类和计算机都更有意义地表示信息。它能够以机器可读的形式描述内容和服务，并使注释、发现、发布、广告和组合服务自动化。它是在本体论的基础上发展起来的，本体论被认为是语义网的支柱。换句话说，当前的Web已经从机器可读转变为机器可理解。事实上，本体是语义网上标注语义和为资源提供公共的、可理解的基础的关键技术。此外，本体可以提供一个共同的词汇表，语法发布数据，并可以提供一个语义描述的数据，可以用来保存本体，并保持他们的推理准备。本文介绍了Web服务和语义Web的基本概念，定义了本体的结构和主要应用，并对许多相关术语进行了解释，以提供对本体的基本理解。
2010-06-23 cs.AI
Inductive Learning for Rule Generation from Ontology
本文提出了一种将归纳学习用于本体规则生成的思想。本文的主要目的是评估的可能性归纳学习使用规则生成的本体，并制定如何做到这一点。生成的规则是必要的补充，甚至开发语义Web专家系统（SWES）的知识库。SWES是专家系统概念向Web演进的结果，SWES是基于语义Web技术的。现有文献表明，基于归纳学习的本体规则生成问题研究得还不够深入。
2015-02-17 cs.AI
A Framework for Semi-automated Web Service Composition in Semantic Web
Maharashtra Institute of Technology（马哈拉施特拉理工学院）
互联网上可用的Web服务的数量及其使用正在快速增长。在许多情况下，一个服务不足以完成业务需求;需要进行Web服务组合。Web服务的自主组合以实现新的功能正在引起语义Web领域的广泛关注。通过服务组合可以减少新应用程序的开发时间和工作量。在文献中讨论了各种方法来执行Web服务的自动组合。利用本体进行Web服务组合是有效的方法之一。在本文中，我们演示了如何本体为基础的组合可以更快地为每个客户。我们提出了一个框架，提供预组合的Web服务，以满足用户的需求。我们详细介绍了如何本体合并可以用于组合，加快整个过程。我们讨论了框架如何提供客户特定的本体合并和存储库。我们还详细介绍了如何合并的本体进行。
2013-11-26 cs.AI
Mutual Transformation of Information and Knowledge
信息和知识是可以相互转化的。在语义Web专家系统的开发过程中，以OWL（Web Ontology Language）本体生成规则为例，说明了信息到知识的转化。SWES预计作为一个专家系统搜索OWL本体从Web上，从发现的本体生成规则和补充SWES知识库与这些规则。本文的目的是通过从规则生成本体的例子来展示知识到信息的转化。
2016-04-26 cs.AI
Semantic Web Search based on Ontology Modeling using Protege Reasoner
VIT University（VIT大学）
语义网工作在现有的Web上，它将信息的含义表示为人们理解的定义良好的词汇表。同时，语义搜索通过理解搜索的意图并提供上下文相关的结果来提高搜索的准确性。本文介绍了一种语义的方法，通过PHP应用程序的Web搜索。其目标是解析用户的浏览历史，并为所提供的搜索查询返回语义相关的网页。
2013-05-24 cs.AI cs.IR
ILexicOn: toward an ECD-compliant interlingual lexical ontology described with semantic web formalisms
INRIA Sophia Antipolis（法国国家信息与自动化研究所索菲亚·安蒂波利斯分部）；EPI Edelweiss（EPI Edelweiss研究团队）
我们有兴趣在自然语言和语义网之间架起一座桥梁，特别是支持对数据网的自然多语言访问。在本文中，我们介绍了一种新类型的词汇本体称为语际词汇本体（IlexicOn），它使用语义网形式化，使每个语际词汇单元类（ILUc）支持其语义分解的投影本身。在对现有的词汇本体进行了简短的概述之后，我们简要介绍了我们使用的语义网形式主义。然后，我们提出了我们的方法的三层架构：i）的语际词汇元本体（IlexiMOn）; ii）ILUcs正式定义的IlexicOn; iii）数据层。我们用一个独立的IlexicOn来说明我们的方法，并介绍和解释一个简洁的人类可读的符号来表示IlexicOn。最后，我们展示了如何语义网形式主义，使一个语义分解的投影上分解的ILUc。
2012-04-24 cs.AI cs.CL
Automatic Knowledge Base Evolution by Learning Instances
Korea Advanced Institute of Science and Technology（韩国科学技术院）
知识库是在整个网络中存储结构化和非结构化数据的方式。由于网络的规模正在迅速增加，因此以完全自动化的方式构建知识的需求非常巨大。然而，语义Web上的全自动知识库进化是一个重大的挑战，虽然有许多本体进化技术可用。因此，本体的自动学习对语义网的发展有着重要的意义。在本文中，我们提出全自动本体学习算法，以产生不完整的知识库和rdf-三元组的精知识库。我们的算法是数据驱动的方法，它是基于每个实例的属性。本体类是通过概括其实例的频繁属性来细化的。通过使用开发的类信息，每个实例都可以找到它最匹配的类。通过重复这两个步骤，我们实现了从不完整的基础知识库的本体进化的全自动化。
2016-04-04 cs.AI
An Ontology-Based Artificial Intelligence Model for Medicine Side-Effect Prediction: Taking Traditional Chinese Medicine as An Example
School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院）；School of Electrical Engineering and Telecommunications, University of New South Wales（新南威尔士大学电气工程与电信学院）；Faculty of Medicine, Ludwig Maximilian University of Munich（慕尼黑大学医学院）；The First Clinical Medical College, Zhejiang Chinese Medicine University（浙江中医药大学第一临床医学院）
在这项工作中，基于本体的AI辅助药物副作用（SE）预测模型的开发，其中三个主要组成部分，包括药物模型，治疗模型和AI辅助预测模型，提出的模型。为了验证所提出的模型，人工神经网络结构的建立和训练的242个中药方剂。这些数据收集和分类从最著名的古代中医书籍和超过一千SE报告，其中两个基于本体的属性，热和冷，以评估是否处方会导致SE或没有。实验结果初步表明，基于本体的属性和相应的预测指标之间存在一种关系，人工智能可以通过学习这种关系来预测SE，这表明该模型在人工智能辅助SE预测中具有潜力。然而，应该注意的是，所提出的模型高度依赖于足够的临床数据，因此，更深入的探索对于提高预测的准确性是重要的。
2019-10-01 cs.AI
Ontology and Cognitive Outcomes
University at Buffalo（布法罗大学）；Cognotekt GmbH（科格诺泰克有限公司）；CUBRC, Inc.（CUBRC公司）
在这里，我们将“情报”理解为指为评估和维护国家安全而收集的知识项目。美国情报界（英语：Intelligence community of the United States，简称IC）是一个为美国收集和处理情报的组织团体。IC依赖于基于人机的分析策略，1）访问和整合来自不同来源的大量信息，2）持续处理这些信息，以便3）最大限度地全面了解世界参与者及其行为。在这里，我们描述了一种利用基于结果的学习（OBL）来支持这些努力的方法，该方法基于情报分析师进行的认知过程的本体论。对于认知过程本体论来说，特别重要的是被描述的类表示。这种表述在本质上是描述性的，其真实性值得信任。后者是因为一个被验证的表征总是由一个经过审查（或成功设计）的过程产生的，以可靠地产生真实的表征。因此，在其他上下文中，我们可能会称之为“知识项”。
2021-01-08 cs.AI
Reasoning in the OWL 2 Full Ontology Language using First-Order Automated Theorem Proving
FZI Research Center for Information Technology（FZI信息技术研究中心）；University of Miami（迈阿密大学）
OWL 2已经被万维网联盟（W3C）标准化为语义网的本体语言家族。这些语言中最具表现力的是OWL 2 Full，但迄今为止还没有为这种语言实现reasoner。一致性和蕴涵检查对于OWL 2 Full来说是不可判定的。我们已经将OWL 2 Full语义的一个大片段翻译成一阶逻辑，并使用自动定理证明系统来基于该理论进行推理。结果是有希望的，并表明，这种方法可以应用于实践中有效的OWL推理，超出了目前的语义Web推理的能力。这是在CADE 2011，LNAI 6803，pp上发表的同名论文的扩展版本。446-460.扩展版本提供了附录，其中包含在报告的评价中使用的其他资源。
2011-07-31 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
SOSA: A Lightweight Ontology for Sensors, Observations, Samples, and Actuators
University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校）；Australian National University（澳大利亚国立大学）；CSIRO（澳大利亚联邦科学与工业研究组织）；Ecole des Mines de Saint-Etienne（圣艾蒂安国立高等矿业学校）
传感器、观察、采样和致动器（SOSA）本体提供了一个正式但轻量级的通用规范，用于对观察、致动和采样行为中涉及的实体之间的交互进行建模。SOSA是基于范围和目标受众的变化，技术发展和过去几年的经验教训重新思考W3C-XG语义传感器网络（SSN）本体的结果。SOSA还可以替代SSN的刺激传感器观察（SSO）核心。它由开放地理空间联盟（OGC）和万维网联盟（W3C）关于\emph{Spatial Data on the Web}的第一个联合工作组开发。在这项工作中，我们激发了对SOSA的需求，提供了主要类和属性的概述，并简要讨论了它与新版本的SSN本体的集成以及与OGC的观测和测量（O\&M），Dolce-Ultralite（DUL）和其他突出本体等规范的各种其他对齐。我们还将触及常见的建模问题和应用领域有关的发布和搜索的观察，采样和驱动数据在Web上。SOSA本体和标准可以在\url{https://www.w3.org/TR/vocab-ssn/}上访问。
2018-12-25 cs.AI
Ontology - Based Dynamic Business Process Customization
业务模型之间的交互以消费者为中心的方式使用，而不是使用以生产者为中心的方法来定制云环境中的业务流程。基于知识的人类语义网用于定制业务流程，它引入人类语义网作为一个概念接口，提供人类可理解的语义上的普通语义网，它提供了机器可读的语义的基础上RDF在这个不匹配是一个主要问题。为了克服这一技术，自动定制检测是一个自动化的过程，检测可能的元素或变量的业务流程，需要特别处理，以适应其他流程的要求.将待定制的业务流程作为主业务流程，将与之协作的业务流程作为辅助业务流程或SBP。自动定制制定是根据检测到的定制点，在定制概念化知识框架上进行自动推理，对PBP执行定制的自动化过程。通过使用Web服务组合Web页面来定制业务流程的过程。
2014-01-23 cs.AI
Semantic-Driven e-Government: Application of Uschold and King Ontology Building Methodology for Semantic Ontology Models Development
Vaal University of Technology（瓦尔理工大学）；North-West University（西北大学）
电子政务是近六年来本体论发展最活跃的领域之一。在电子政务中，本体被用来描述和指定电子政务服务（电子服务），因为它们可以轻松地组合，匹配，映射和合并各种电子政务服务。更重要的是，它们还促进了电子政务服务的语义集成和互操作性。然而，目前的文献中还不清楚如何将现有的本体构建方法应用于政府服务领域的语义本体模型。在本文中，Uschold和King本体构建方法的应用，开发语义本体模型在政府服务领域。首先，提出并讨论了Uschold和King方法，并将其应用于政府领域本体的构建。其次，领域本体的语义一致性评估使用其半形式化的描述逻辑表示。第三，对齐的领域本体与语言和认知工程的描述性本体（DOLCE）的上层本体绘制，使其更广泛的可见性，并促进其与现有的元数据标准的集成。最后，用Web本体语言（OWL）对领域本体进行形式化描述，使其能够被计算机自动处理。该研究旨在为现有的本体构建方法在电子政务领域特定的本体模型的语义Web开发过程中的应用提供方向，这将使其在其他电子政务项目中的可重复性，并加强在电子政务中采用语义技术。
2011-11-08 cs.AI
Adverse Childhood Experiences Ontology for Mental Health Surveillance, Research, and Evaluation: Advanced Knowledge Representation and Semantic Web Techniques
Oak Ridge National Laboratory（橡树岭国家实验室）；University of Tennessee Health Science Center（田纳西大学健康科学中心）
背景资料：不良童年经历（ACE）是一组一个人在童年和青少年时期可能遇到的负面事件和过程，已被证明与儿童成年及以后出现多种负面健康结果和状况的风险增加有关。目的：为了更好地了解ACE及其相关风险因素与相关健康结果之间的关系，并最终设计和实施预防干预措施，需要获得综合一致的数据集。因此，我们实现了一个正式的本体作为一种资源，使心理健康社区，以促进数据集成和知识建模，并提高ACE的监测和研究。方法：采用先进的知识表示和语义网工具和技术实现本体。本体的当前实现是用描述逻辑ALCRIQ（D）来表示的，ALCRIQ（D）是Web本体语言（OWL 2）的子逻辑。结果：ACE本体已经实施，并通过BioPortal存储库提供给心理健康社区和公众。此外，还引入了多个用例场景来展示和评估本体的可用性。创建本体是为了供ACE社区的主要参与者使用，具有不同的应用，从个人诊断和预测他们可能遇到的潜在负面结果，到预防人群中的ACE和设计干预措施和政策。结论：ACE本体提供了一个统一的和可重用的语义网络和一个集成的知识结构，为精神卫生从业者和研究人员，以提高ACE监测和评估。
2019-11-19 cs.AI cs.CY
Semantic rule Web-based Diagnosis and Treatment of Vector-Borne Diseases using SWRL rules
Indian Institute of Information Technology Allahabad（阿拉哈巴德印度信息技术学院）
病媒传播疾病（Vector-borne diseases，VBD）是一种通过蜱、蚊、锥蝽、黑蝇、白蛉等被感染的寄生虫、细菌和病毒叮咬产生的媒介传播而引起的疾病。如果这些疾病不能在合理的时间范围内得到适当的治疗，死亡率可能会上升。在这项工作中，我们提出了一套本体，这将有助于在病媒传播的疾病的诊断和治疗。为了开发VBD的本体，从印度健康记录网站获取的电子健康记录，从印度政府医疗移动应用程序生成的文本数据，以及医生对患者的处方手写笔记被用作输入。这些数据经过预处理后，将使用光学字符识别（OCR）和拼写检查器转换为正确的文本。应用自然语言处理（NLP）从文本数据中提取实体，并在患者临床数据（PCD）本体的帮助下制作资源描述框架（RDF）医疗数据。然后，基本形式本体（BFO），国家媒介传播疾病控制计划（NVBDCP）的指南，和RDF医学数据被用来开发VBD的本体，和语义Web规则语言（SWRL）规则应用于诊断和治疗。开发的本体论有助于在NVBDCP的决策支持系统（DSS）的建设，以控制这些疾病。
2023-01-31 cs.AI
The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；UC Berkeley（加州大学伯克利分校）；Helen Wills Neuroscience Institute（海伦·威尔斯神经科学研究所）；Redwood Center for Theoretical Neuroscience（红杉理论神经科学中心）
本文提出人工智能本体AIO，通过人工策展与大语言模型辅助，构建涵盖Networks、Layers、Functions、LLMs、Preprocessing和Bias六大分支的AI概念层级体系，并开源发布以支持标准化术语与跨学科研究。
2024-04-03 cs.AI cs.LG
gUFO: A Gentle Foundational Ontology for Semantic Web Knowledge Graphs
Federal University of Espírito Santo（埃斯皮里图圣安托尼奥联邦大学）；University of Twente（特文特大学）
gUFO是一种轻量级的统一基础本体实现，适用于语义网OWL 2 DL应用。本文介绍了gUFO的构成类别、关系和约束，讨论其与原始UFO的区别，阐述其社区采用情况，并系统地将其定位在现有OWL基础本体实现中。
2026-03-21 cs.AI cs.DB
SWRL2SPIN: A tool for transforming SWRL rule bases in OWL ontologies to object-oriented SPIN rules
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
语义Web规则语言（SWRL）将OWL（Web本体语言）本体与规则置标语言（RuleML）家族的Horn逻辑规则相结合。它得到了本体编辑器、规则引擎和本体推理器的支持，已经成为在本体之上开发基于规则的应用程序的一个非常流行的选择。然而，SWRL可能不会成为WWW联盟的标准，禁止工业接受。另一方面，SPIN（SPARQL推理表示法）已经成为事实上的行业标准，以表示SPARQL规则和语义Web模型的约束，建立在SPARQL（SPARQL协议和RDF查询语言）的广泛接受。在本文中，我们认为，现有的SWRL规则为基础的本体应用程序的生命可以延长转换到SPIN。为此，我们已经开发了在Prolog的SWRL2SPIN工具，将SWRL规则转换为SPIN规则，考虑到面向对象的SPIN，即链接规则到适当的本体类和优化它们，通过分析规则的条件。
2022-12-08 cs.AI
MALOnt: An Ontology for Malware Threat Intelligence
Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM T. J. Watson Research Center（IBM托马斯·J·沃森研究中心）
恶意软件威胁情报从分散的威胁源中揭示有关恶意软件、威胁行为者及其策略、危害指标（IoC）以及不同平台中的漏洞的深入信息。这些集体信息可以指导安全运营中心（SoC）使用的网络防御应用程序的决策。在本文中，我们介绍了一个开源的恶意软件本体- MALOnt，它允许结构化的信息提取和知识图谱生成，特别是威胁情报。使用MALOnt的知识图谱从包括数百个注释的恶意软件威胁报告的语料库实例化。知识图谱能够对恶意软件造成的网络威胁进行分析、检测、分类和归属。我们还演示了使用MALOnt的示例威胁情报报告的注释过程。这项研究正在进行中，是自动生成知识图谱（KG）的更大努力的一部分，用于从异构在线资源中收集恶意软件威胁情报。
2020-06-20 cs.AI cs.CR cs.IR
Challenges for an Ontology of Artificial Intelligence
Belmont University（贝尔蒙特大学）
在制定对社会中日益普及和强大的人工智能（AI）应用的回应时，最重要的是本体论问题。例如：这些系统是什么？如何看待它们？一个算法如何被视为一个代理？我们讨论了三个阻碍讨论和模糊试图形成清晰的AI本体论的因素：（1）AI的各种和不断发展的定义，（2）现有技术被同化并被视为“正常”的趋势，以及（3）人类拟人化的趋势。这个列表并不打算是详尽的，也不被视为完全排除了一个明确的本体论，但是，这些挑战是一组必要的主题供考虑。这些因素中的每一个都被认为是一个供讨论的“移动目标”，这对人工智能系统开发的技术专家和非从业者都构成了挑战（例如，哲学家和神学家）有意义地说话，因为人工智能结构和能力的语料库正在快速发展。最后，我们提出了前进的途径，包括为哲学和科学学者提供合作合成的机会。
2019-02-25 cs.AI cs.CY
Artificial Intelligence (AI) in Legal Data Mining
本文探讨法律数据挖掘中的人工智能应用，指出法律数据非结构化问题，并介绍本体论在组织法律信息中的作用，强调未来需计算机与法律专家协作。
2024-05-23 cs.AI
Towards Classification of Web ontologies using the Horizontal and Vertical Segmentation
Hassan 1st University（哈桑一世大学）
Web的新时代被称为语义Web或数据Web。语义Web依赖于被视为其支柱之一的本体。这些本体论越大，它们的利用就越大。然而，当这些本体变得太大时，可能会出现其他问题，例如在内存中加载大文件的复杂性，下载这些文件所需的时间，特别是对它们进行推理所需的时间。我们在本文中讨论的方法分割这样大的Web本体，以及它的用处。分割方法从现有本体中提取表示现有本体中的层或代的段;即，水平提取。提取的片段本身应该是一个本体。
2017-09-23 cs.AI cs.DB
MeLinDa: an interlinking framework for the web of data
INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE（法国国家信息与自动化研究所）
数据网络由在网络上发布的数据组成，这些数据可以被解释和连接在一起。因此，在这些数据之间建立联系是至关重要的，无论是对于数据网络还是对于它所提供的语义网络。我们在这里考虑为这一目的开发的各种技术，并分析它们的共性和差异。我们提出了一个总体框架，并展示了不同的技术如何适应框架。从这个框架中，我们考虑数据互连和本体匹配之间的关系。虽然它们在某种程度上可以被认为是相似的（它们都涉及正式实体），但它们服务于不同的目的，但在合作中会发现互利。因此，我们提出了一个方案，根据该方案，数据链接工具可以利用本体对齐。
2011-07-22 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
Detecting Ontological Conflicts in Protocols between Semantic Web Services
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
验证交互Web服务之间的兼容性的任务传统上限于检查交互协议在消息序列和交换的数据类型方面的兼容性。由于Web服务主要是以不协调的方式开发的，因此不同的服务通常使用独立开发的本体来用于相同的领域，而不是坚持单个本体作为标准。在这项工作中，我们调查的方法，可以采取的服务器来验证的可能性，以达到一个状态与语义不一致的结果，在执行协议与客户端，如果客户端本体发布。数据库通常用于存储实际数据以及本体，而不是将实际数据存储为本体描述的一部分。重要的是要注意，在数据库的当前状态下，即使服务器所做的验证指示可能达到冲突状态，也可能不会达到语义冲突状态。一个基于关系代数的决策过程也被开发，将客户端和服务器数据库的当前状态的整体验证过程。
2010-11-03 cs.AI
Ontology Based Information Extraction for Disease Intelligence
Postgraduate Institute of Science, University of Peradeniya（佩拉德尼亚大学科学研究生院）；University of Peradeniya（佩拉德尼亚大学）
疾病情报（Disease Intelligence，DI）是通过收集和整合世界各地的零散疾病知识，为医生、研究人员和信息寻求者提供有价值的信息。有些疾病在世界不同地方有其自身的特点，变化很快，在文件中报告为不相关和异质的信息，可能未被注意到，也可能无法迅速获得。本研究提出了一个基于本体论的理论框架，在医疗情报和国家/地区的背景下。本体论的目的是存储有关快速传播和变化的疾病的信息，将现有的疾病分类纳入人类和传染性生物体的遗传信息。它进一步将疾病症状映射到疾病，并将药物效应映射到疾病症状。机器可理解的疾病本体表示为一个网站，从而允许药物的效果进行评估的疾病症状，并暴露在人类疾病的遗传参与。在现有分类中没有已知位置但有遗传学数据的传染性病原体仍将通过该系统的智能被识别为生物体。它将进一步促进该主题的研究人员尝试不同的治疗疾病的解决方案。
2012-11-15 cs.AI cs.DL cs.IR
A Comprehensive Survey of Ontology Summarization: Measures and Methods
University of Georgia（佐治亚大学）；Georgia Southern University（佐治亚南方大学）
语义Web正在成为一个大规模的框架，使数据能够以本体的形式发布，共享和重用。本体作为语义网的基本构件，由数据层和模式层两层组成。随着当前本体在数据量和模式复杂度方面的指数级发展，本体理解在本体工程、本体学习等不同任务中发挥着重要作用，变得越来越困难本体摘要作为一种从本体中提取知识并生成简化版本以便于更好地理解的方法，近年来受到越来越多的关注。有各种方法可用于本体摘要，这些方法专注于不同的措施，以便为给定的本体产生适当的摘要。在本文中，我们主要集中在本体摘要的常用度量，并满足了本体摘要的最新发展。
2018-01-05 cs.AI cs.IR
Ontology-driven Knowledge Graph for Android Malware
Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM TJ Watson Research Center（IBM TJ Watson研究中心）
我们提出MalONT 2.0-恶意软件威胁情报本体\cite{rastogi2020malont}。在扩大核心能力问题范围后，添加了新的类别（攻击模式、支持攻击的基础设施资源、包含静态分析的恶意软件分析以及二进制文件的动态分析）和关系。MalONT 2.0允许研究人员广泛捕获收集Android恶意软件攻击的语义和语法特征的所有必要类和关系。该本体构成了恶意软件威胁情报知识图谱MalKG的基础，我们使用三种不同的、不重叠的演示来验证该知识图谱。恶意软件的特征是从CTI在互联网上共享的Android威胁情报报告中提取的，并以非结构化文本的形式编写。其中一些来源是博客，威胁情报报告，推文和新闻文章。捕获恶意软件特征的最小信息单元被写为包括头部和尾部实体的三元组，每个三元组与关系连接。在海报和演示中，我们讨论了MalONT 2.0，MalKG，以及动态增长的知识图谱，TINKER。
2021-09-03 cs.AI cs.CR
Effective Enabling of Sharing and Reuse of Knowledge On Semantic Web by Ontology in Date Fruit Model
Arab Open University（阿拉伯开放大学）；Muscat College（马斯喀特学院）；Higher College Of Technology（高等技术学院）
由于各组织已认识到知识是创造和维持竞争优势的宝贵无形资产，知识共享在当今社会中发挥着至关重要的作用。它是人们通过不同媒介进行信息交流的活动。知识共享和知识重用领域面临着许多问题。目前，各实体之间的知识共享是以非常临时的方式实现的，缺乏对数据含义的适当理解。本体可以潜在地解决这些问题，促进知识共享和重用，通过正式和真实世界的语义。通过形式语义，本体是机器可理解的。计算机可以处理数据，引用本体进行注释，并通过封装在本体中的知识，从原始数据中推导出事实。枣果是苏丹国丰富遗产最持久的象征。建立枣的本体将丰富农业领域的农业团体和研究学者。
2012-07-10 cs.AI cs.IR
Translating OWL and Semantic Web Rules into Prolog: Moving Toward Description Logic Programs
The MITRE Corporation（MITRE公司）
出现在逻辑编程理论与实践（TPLP），2008年。我们正在研究语义Web的规则和本体层之间的交互，通过比较两种选择：1）使用OWL及其规则扩展SWRL来开发集成的本体/规则语言，以及2）使用RuleML和OWL在本体之上分层规则。为此，我们正在开发的SWORIER系统，它使有效的本体和规则的自动推理，通过将所有这些翻译成Prolog，并添加一组一般规则，正确捕捉OWL的语义。我们还使用户能够在运行时间进行动态更改。这项工作解决了几个问题，在以前的工作中表示，如否定，互补类，析取头，和基数，它讨论了处理知识库中的不一致的替代方法。此外，为了提高效率，我们实现了称为扩展的技术，避免重新分析和代码最小化。
2007-11-21 cs.AI
OntoWind: An Improved and Extended Wind Energy Ontology
TÜBİTAK Energy Institute（土耳其科学技术研究理事会能源研究所）；Gazi University（加济大学）
本体是许多应用领域的重要语义信息源。因此，有本体论的建议，并利用领域，如医学，化学工程和电能。在本文中，我们提出了一个改进和扩展版本的风能本体先前提出的。首先，本体被重构以增加其可理解性和覆盖率。其次，它是丰富的新概念，清晰/模糊的属性，和实例，以增加其在语义应用程序中的可用性有关风能。最终本体利用基于Web的语义门户应用程序的风能，以展示其在一个真正的应用程序的贡献。因此，目前的研究是一个重要的风，从而可再生能源信息学，提出了公开的风能本体和实现的概念验证系统。
2018-03-07 cs.AI
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
ClarifAI: Enhancing AI Interpretability and Transparency through Case-Based Reasoning and Ontology-Driven Approach for Improved Decision-Making
Human-Centric eXplainable Intelligence Lab (hcXiL) Computer Science Department(CSCI), Saint John's University (CSBSJU)（以人为本的可解释智能实验室（hcXiL）计算机科学系，圣约翰大学）
本研究提出ClarifAI方法，结合基于案例的推理与本体驱动方法，为AI驱动应用提供详尽的解释机制，旨在增强AI系统的透明度与可解释性，以支持高风险环境下的关键决策制定。
2025-07-15 cs.AI
LB2CO: A Semantic Ontology Framework for B2C eCommerce Transaction on the Internet
Jawaharlal Nehru Technological University（贾瓦哈拉尔·尼赫鲁科技大学）
业务本体可以增强复杂企业系统的成功开发，这是通过知识共享和领域中每个实体之间的轻松通信来实现的。通过人与Web资源的语义交互，机器对Web下以机器可解释的形式发布的数据进行解释。然而，在电子商务领域的业务本体的理论实践是相当少的，特别是在电子交易部分，和各种技术用于获得有效的跨领域的通信是容易出错的，并不总是保证是有效的，在获得预期的结果，由于实体之间的语义集成差。为了克服语义集成差，本研究重点提出本体LB2CO，它结合了IDEF5和SNAP的框架作为分析工具，自动推荐的产品和服务，并创建有效的本体框架B2C交易和通信跨不同的业务领域，促进互联网上的B2C交易的互操作性和集成。
2014-01-05 cs.AI cs.CY
An Ontology-driven Framework for Supporting Complex Decision Process
The Hong Kong Polytechnic University（香港理工大学）
针对决策问题和决策群体具有复杂结构的决策过程，提出了一种基于本体论的群体决策支持系统（ONTOGDSS）框架。它能够降低问题结构和群体关系的复杂性。该系统允许决策者通过网络环境，通过本体关系参与群体决策。它促进了决策过程作为一个整体的管理，从标准生成，备选方案的评估，意见的相互作用，决策汇总。嵌入式本体结构提供了重要的形式化描述功能，以方便决策分析和验证。它检查了软件体系结构，选择方法，决策路径等，最后，该系统的本体应用说明了具体的实际案例，以展示其对决策发展的潜力。
2011-07-15 cs.AI
The Semantic Web takes Wing: Programming Ontologies with Tawny-OWL
Newcastle University（纽卡斯尔大学）
Tawny-OWL库为本体构建提供了一个完全可编程的环境;通过将开发重新定义为一种编程形式，它支持使用一组丰富的工具进行本体开发。它是内置的Clojure -一种现代Lisp方言，并由OWL API支持。使用简单，它具有与OWL Manchester语法相似的语法，但它提供了任意的可扩展性和抽象。它建立在Clojure的现有设施之上，Clojure提供了丰富而现代的编程工具链，用于版本控制，分布式开发，构建，测试和持续集成。在本文中，我们描述了图书馆，这个环境及其潜在的影响，本体论的发展过程。
2013-03-01 cs.AI cs.DL
Ontology-based knowledge representation for bone disease diagnosis: a foundation for safe and sustainable medical artificial intelligence systems
University of Science, VNUHCM（胡志明市国家大学科学大学）；Viet Nam National University, Ho Chi Minh City（越南国家大学胡志明市分校）；Ho Chi Minh City Hospital for Traumatology and Orthopedics（胡志明市创伤与骨科医院）
本文提出一个基于本体的骨病诊断框架，通过本体引导的分层神经网络、本体增强VQA和多模态深度学习整合影像、临床与实验室数据，为安全可持续的医学AI奠定理论基础。
2025-06-05 cs.AI cs.CV eess.IV
An Ontology Construction Approach for the Domain Of Poultry Science Using Protege
Narasu’s Sarathy Institute of Technology（纳拉苏萨拉蒂理工学院）
现有的信息检索系统主要是基于关键词的全文匹配或基于主题的分类。这种关键字匹配往往返回大量无关信息，这不符合用户的查询要求。为了解决这一问题，并利用语义环境增强搜索，本文实现了一种家禽领域的本体技术。本体是当前语义环境研究领域的一种新兴技术。本文使用Protege 4.0构建了家禽本体，并为家禽本体的Web应用生成了资源描述框架模式和XML脚本。
2013-02-21 cs.AI
Uncertainty in Ontology Matching: A Decision Rule-Based Approach
LARODEC；University of Tunis（突尼斯大学）；ISG Tunis（突尼斯高等管理学院）；IRISA（IRISA研究所）；University of Carthage（迦太基大学）；IHEC Carthage（迦太基高等商业学院）
考虑到Web上发布的本体的高度异构性，本体匹配是一个关键问题，其目的是建立源本体的实体与目标本体的一个或多个实体之间的联系。完美的相似性措施，被认为是信息的来源，相结合，以建立这些联系。信度函数理论是一个强大的数学工具，结合这种不确定性的信息。在本文中，我们介绍了一个决策过程的基础上的距离测量，以确定最佳可能的匹配实体为一个给定的源实体。
2015-01-23 cs.AI
OWL2Vec*: Embedding of OWL Ontologies
City, University of London（伦敦城市大学）；University of Oslo（奥斯陆大学）；Samsung Research（三星研究院）；University of Oxford（牛津大学）
知识图谱的语义嵌入已经被广泛研究并用于跨诸如自然语言处理和语义Web的各个领域的预测和统计分析任务。OWL（Web Ontology Language）本体可以表达比知识图谱更广泛的语义，在生物信息学等领域得到了广泛的应用。本文提出了一种基于随机游走和词嵌入的本体嵌入方法OWL2Vec*，该方法综合考虑了OWL本体的图结构、词汇信息和逻辑构造函数，对本体的语义进行编码。我们对三个真实世界数据集的实证评估表明，OWL2Vec* 在类成员预测和类包含预测任务中受益于本体的这三个不同方面。此外，在我们的实验中，OWL2Vec* 通常显著优于最先进的方法。
2021-01-25 cs.AI
Learning from Ontology Streams with Semantic Concept Drift
INRIA（法国国家信息与自动化研究所）；Accenture Labs（埃森哲实验室）；Zhejiang University（浙江大学）；University of Aberdeen（阿伯丁大学）
数据流学习已经被大量研究，用于从连续和快速的数据记录中提取知识结构。在语义Web中，数据被解释为本体，其有序序列被表示为本体流。我们的工作利用这种流的语义来解决概念漂移的问题，即，数据分布的意外变化，导致大多数模型随着时间的推移而变得不那么准确。为此，我们重新审视了（i）有监督流学习背景下的语义推理，以及（ii）具有语义嵌入的模型。用都柏林和北京的数据进行了实验，结果表明该方法具有较好的预测效果。
2017-04-24 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
