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
Leveraging LLM for Automated Ontology Extraction and Knowledge Graph Generation
Arizona State University（亚利桑那州立大学）
本文提出 OntoKGen 流水线，利用 LLM、自适应迭代 CoT 和交互式界面，从 RAM 技术文档中按用户需求抽取本体并生成 KG，支持 Neo4j 集成与未来 RAG 应用。
2024-12-10 cs.AI
OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence for Digital Agriculture
University College Dublin（都柏林大学）
最近的机器学习方法在人工智能（AI）应用中是有效的。它们以高精度产生稳健的结果。然而，这些技术中的大多数都没有提供人类可以理解的解释来支持他们的结果和决策。它们通常充当黑匣子，不容易理解决策是如何做出的。可解释的人工智能（XAI），最近受到了很大的关注，试图为决策和训练的AI模型提供人类可以理解的解释。例如，在数字农业中，相关领域通常呈现出与背景知识没有联系的特殊或输入特征。在农业数据上应用数据采掘过程会产生难以解释的结果（知识）。在本文中，我们提出了一个知识地图模型和本体设计的XAI框架（OAK4XAI）来处理这个问题。该框架不仅考虑过程的数据分析部分，而且还考虑到通过本体和知识地图模型（作为框架的模块提供）的领域知识的语义方面。许多正在进行的XAI研究旨在为给定的特征值如何有助于模型决策提供准确和可描述的解释。然而，所提出的方法，重点是提供一致的信息和定义的概念，算法，和价值观涉及的数据采掘模型。我们建立了一个农业计算本体（AgriComO）来解释农业中挖掘的知识。AgriComO具有精心设计的结构，包括适用于农业和计算领域的广泛概念和转换。
2022-09-29 cs.AI
The African Wildlife Ontology tutorial ontologies: requirements, design, and content
University of Cape Town（开普敦大学）
背景大多数教程本体侧重于说明本体开发的一个方面，特别是语言功能和自动推理机，但忽略了本体开发的因素，如紧急建模指南和本体论原则。然而，初学者从他们进行的练习中复制例子。不提供好的例子整体上导致传播次优本体开发，这可能会对一个真正的领域本体的质量产生负面影响。结果我们确定了22个要求，一个好的教程本体应该满足有关学科领域，逻辑和推理，工程方面。我们开发了一套关于非洲野生动物的本体论作为教程本体论。大部分的要求已经满足了一套非洲野生动物本体教程本体，这是本文介绍的。非洲野生动物本体是成熟的，自2010年以来每年都在本体工程课程或教程中使用，并被纳入最近的本体工程教科书，其中有相关的例子和练习。结论非洲野生动物本体论提供了广泛的选择有关的例子和练习的本体工程远远超出了只说明语言功能和自动推理。它有助于演示有关本体质量的任务，例如与基础本体的对齐和满足能力问题、版本控制和多语言本体。
2019-05-23 cs.AI
An ontology-based approach to relax traffic regulation for autonomous vehicle assistance
INRIA Rocquencourt（法国国家信息与自动化研究所罗康库尔）
所有车辆都必须遵守交通规则，无论是人力还是计算机驾驶的.然而，极端的交通情况可能会表现出实际情况，在这种情况下，车辆应该安全地和合理地放松交通管制，例如，为了不被无限期地阻塞并保持循环。在本文中，我们提出了一个高层次的表示自动驾驶汽车，其他车辆及其环境，这可以帮助司机采取这种“非法”，但实际的放松决定。这种高级表示（本体）包括拓扑知识和推理规则，以便计算自动驾驶车辆应该采取的下一个高级运动，作为对驾驶员的辅助。实际案例的结果。
2012-12-04 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
On the Multiple Roles of Ontologies in Explainable AI
University of Padua（帕多瓦大学）；University of Twente（特文特大学）
该研究梳理了本体在可解释AI中可发挥作用的三个核心视角，对现有相关方法进行分类定位，并指出了基于本体的解释方法待解决的挑战与评估方向。
2023-11-08 cs.AI
Assessing the Capability of Large Language Models for Domain-Specific Ontology Generation
University of Bologna, Italy（博洛尼亚大学，意大利）；ISTC-CNR, Italy（ISTC-意大利国家研究理事会）；Linköping University, Sweden（林雪平大学，瑞典）
本研究探讨了大型语言模型在自动本体生成中的应用，通过95个能力问题测试DeepSeek和o1-preview在六个领域的表现，发现其性能跨领域高度一致，验证了LLM在可扩展、领域无关本体构建中的潜力。
2025-04-24 cs.AI
Ontology Enabled Hybrid Modeling and Simulation
University at Buffalo（布法罗大学）；The MITRE Corporation（MITRE公司）
本研究探究本体对混合建模与仿真的增强作用，区分两类本体解决三维互操作性挑战，结合语义网技术实现双重功能，通过四个案例验证实效，最后分析相关挑战与机遇。
2025-06-14 cs.AI
A Diagnosis and Treatment of Liver Diseases: Integrating Batch Processing, Rule-Based Event Detection and Explainable Artificial Intelligence
Indian Institute of Information Technology Allahabad（印度阿勒巴德信息技术学院）；Manipal Institute of Technology Jaipur（斋浦尔马尼帕尔理工学院）
本研究整合BFO、PCD本体与决策树规则，结合Apache Jena批处理、SWRL规则推理及XAI等技术，构建了包含615条肝病记录验证的综合肝病诊疗决策支持系统。
2025-03-20 cs.AI cs.LG
Automated Tree Knowledge Graph Construction using Ontology Expansion and Retrieval from Vietnamese History Textbooks
The University of Danang（岘港大学）；Vietnam-Korea University of Information and Communication Technology（越南-韩国信息与通信技术大学）
本文针对低资源语言越南语，提出端到端树状知识图谱构建与检索评估流水线，构建了含750节点的知识图谱，其自上而下图遍历策略在NDCG@10上超基线4.7个百分点。
2026-09-02 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
ESC-Rules: Explainable, Semantically Constrained Rule Sets
Otto-von-Guericke University Magdeburg（马格德堡奥托·冯·格里克大学）；University College London（伦敦大学学院）
我们描述了一种新的方法来解释预测的连续变量的基础上学习模糊加权规则。我们的模型训练了一组加权规则，以最大限度地提高预测准确性，并最大限度地减少基于本体的“语义损失”功能，包括用户指定的规则，应该学习，以最大限度地提高从用户的角度来看，所产生的规则集的可解释性的约束。该系统融合了量化的子符号学习、符号学习和基于领域知识的约束。我们在预测戒烟行为干预结果的案例研究中说明了我们的系统，并表明它优于其他可解释的方法，实现了接近深度学习模型的性能，同时提供了透明的可解释性，这是健康领域决策者的基本要求。
2022-08-26 cs.AI
Explainable Abstract Trains Dataset
NOVA LINCS（NOVA LINCS实验室）
可解释的抽象列车数据集是一个包含列车简化表示的图像数据集。旨在为合理性解释抽取算法的应用和研究提供一个平台。该数据集附有一个本体，该本体基于所描绘的列车的视觉特征对所描绘的列车进行概念化和分类，从而允许精确理解每个训练是如何被标记的。数据集中的每个图像都用描述列车特征的多个属性和训练元素的边界框进行注释。
2020-12-15 cs.AI cs.CV
Generating Reliable Adverse event Profiles for Health through Automated Integrated Data (GRAPH-AID): A Semi-Automated Ontology Building Approach
Kansas State University（堪萨斯州立大学）
本文提出一种利用Python及rdflib库的半自动化本体构建方法GRAPH-AID，通过自动生成类与公理实现Neo4j数据库与OWL的无缝集成，解决了不良药物事件数据集的本体生成挑战并提升药物安全监测。
2025-06-25 cs.AI cs.DB cs.SE
LLM-based Zero-shot Triple Extraction for Automated Ontology Generation from Software Engineering Standards
Computer Science Department（计算机科学系）；Charleston Southern University（查尔斯顿南方大学）
本文提出基于LLM的零样本三元组提取方法，用于从软件工程标准中自动生成本体，通过改进的工作流程和专家标注集验证了其有效性。
2026-01-10 cs.AI cs.SE
Ontology based Scene Creation for the Development of Automated Vehicles
Technische Universität Braunschweig（布伦瑞克工业大学）；Institute of Control Engineering（控制工程研究所）
引入无人驾驶汽车需要功能系统描述，包括功能系统边界和全面的安全分析。这些技术开发的投入可以通过基于数据库的方法来识别和分析。此外，为了建立一个经济的测试和发布过程，必须确定大量的场景以获得有意义的测试结果。专家们在确定难以处理或不太可能发生的情况方面做得很好。然而，专家们不可能根据他们掌握的知识确定所有可能的情况。为计算机辅助处理建模的专家知识可以有助于提供广泛的场景。这方面的贡献回顾本体知识为基础的系统在自动驾驶汽车领域，并提出了一个生成的交通场景的自然语言作为基础的情况下创建。
2018-04-23 cs.AI cs.RO
Automated Skill Decomposition Meets Expert Ontologies: Bridging the Granularity Gap with LLMs
Université de technologie de Compiègne, CNRS, Heudiasyc（法国图卢兹技术大学、CNRS、Heudiasyc）
本文研究基于LLM的自动化技能分解，提出基于本体的评估框架，引入语义和层次感知F1分数，并构建基准，为开发本体忠实的技能分解系统提供可复现基础。
2025-10-13 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
TONE: A 3-Tiered ONtology for Emotion analysis
Indian Institute of Technology Patna（印度理工学院巴特那分校）
针对现有跨领域情感分类缺乏公开可用通用知识库的问题，本研究基于Gerrod Parrot的情感分组提出三层情感本体TONE，配套半自动化词汇构建流程与三类依赖关系自动建立方法，经评估验证质量并展示了三类应用场景。
2024-01-11 cs.AI
Ontology Development is Consensus Creation, Not (Merely) Representation
Otto-von-Guericke University Magdeburg（马格德堡奥托·冯·格里克大学）；University of Zurich（苏黎世大学）；University of St. Gallen（圣加仑大学）；University College London（伦敦大学学院）
本体开发方法强调从领域专家和文献资源中收集知识，并使用本体语言（如OWL或FOL）进行知识表示。然而，工作中的本体学家经常惊讶于开发本体的挑战性和缓慢性。在这里，特别强调的种类的本体是内容繁重，并打算在一个社区的用户（参考本体）共享，我们提出了一个重要的，迄今为止强调不足的贡献者的挑战，在本体开发过程中需要创建，或带来，在面对分歧的共识。由于这个原因，参考本体的开发不能自动化，至少在现有的人工智能方法的限制。此外，出于同样的原因，本体论者被要求具有特定的社会谈判技能，这是目前大多数技术课程所缺乏的。
2022-10-21 cs.AI
Explainable Moral Values: a neuro-symbolic approach to value classification
University of Pisa（比萨大学）；National Research Council（国家研究委员会）；University of Bologna（博洛尼亚大学）；Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（RUDN大学））；Joint Institute for Nuclear Research（联合核子研究所）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Skövde（舍夫德大学）
本研究提出结合本体推理与机器学习的神经符号方法，利用sandra推理器和开源大语言模型实现可解释的道德价值观分类，结合分布式语义后显著优于所有基线模型。
2024-10-16 cs.AI cs.LG
OntoMetric: An Ontology-Driven LLM-Assisted Framework for Automated ESG Metric Knowledge Graph Generation
School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院）；Faculty of Sciences, Engineering and Technology, The University of Adelaide（阿德莱德大学科学、工程与技术学院）；School of Information Systems and Technology Management, University of New South Wales（新南威尔士大学信息系统与技术管理学院）
OntoMetric通过基于本体的LLM辅助框架，实现了从监管文件中自动化生成ESG指标知识图谱，显著提升语义准确性和模式合规性，同时降低成本并提高效率。
2026-01-26 cs.AI cs.GR
AI Agent-Driven Framework for Automated Product Knowledge Graph Construction in E-Commerce
Faculty of Computer Science and Engineering（计算机科学与工程系）
针对电子商务非结构化产品数据构建知识图谱的挑战，本文提出基于AI智能体和大型语言模型的自动化框架，通过三阶段智能体完成本体创建、细化及图谱填充，在空调数据集上实现97%+属性覆盖率，提升产品知识图谱构建效率与质量。
2025-11-14 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
OBA: An Ontology-Based Framework for Creating REST APIs for Knowledge Graphs
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）
近年来，研究人员、工业界和公共机构越来越多地采用语义Web技术来描述和链接Web上的数据，创建Web注释，并使用Wikidata和DBPedia等大型知识图谱。然而，本体工程师和Web开发人员之间仍然存在知识差距，本体工程师设计，填充和创建知识图谱，Web开发人员需要理解，访问和查询这些知识图谱，但不熟悉本体，RDF或SPARQL。在本文中，我们描述了基于本体的API框架（OBA），我们的方法来自动创建REST API从本体，同时遵循REST API的最佳实践。给定一个本体（或本体网络），OBA使用Web开发人员熟悉的标准技术（OpenAPI规范，JSON），并将它们与W3C标准（OWL，JSON-LD框架和SPARQL）相结合，以创建具有文档，单元测试，资源和客户端自动验证（Python，JavaScript等）的mainingAPI。非语义网专家访问目标知识图谱的内容。我们展示了OBA与三个例子，说明了不同的本体框架的能力。
2020-07-17 cs.AI
Enacting textual entailment and ontologies for automated essay grading in chemical domain
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）
我们提出了一个系统，自动论文评分使用本体论和文本蕴涵。文本蕴涵的过程是由假设指导的，这些假设是从领域本体中提取的。文本蕴涵检查假设的真实性是否来自给定的文本。我们制定文本蕴涵比较学生的答案，从本体获得的模型答案。我们验证了解决方案对各种论文写的学生在化学领域。
2015-11-09 cs.AI cs.CL
Integrating Knowledge Graphs and Bayesian Networks: A Hybrid Approach for Explainable Disease Risk Prediction
Centre for Artificial Intelligence Research (CAIR)（人工智能研究中心）；Department of Computer Science（计算机科学系）；University of Cape Town（开普敦大学）
提出一种结合知识图谱与贝叶斯网络的混合方法，从本体知识图谱和多模态EHR数据构建可解释的疾病风险预测模型，在心房颤动真实数据上验证了其平衡通用知识与个体化、处理不确定性及良好预测性能。
2025-06-16 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
Ontology-Mediated Neurosymbolic Constraint Acquisition from Multiple Stakeholders
Siemens AG Österreich（西门子奥地利股份公司）
本文提出一种本体介导的神经符号架构，利用OWL本体统一LLM软偏好与硬件硬约束，通过描述逻辑检测冲突并生成解释以交互式重协商，适用于多利益相关方约束获取场景。
2026-09-25 cs.AI
A Knowledge Representation Approach to Automated Mathematical Modelling
Deakin University（迪肯大学）；School of Information Technology（信息技术学院）
本文提出了一种新的混合整数线性规划（MILP）模型本体和一种新的MILP公式约束类型。MILP是一种常用的数学编程技术，用于建模和解决现实生活中的调度、路由、规划、资源分配和可调度优化问题，为工业部门（如制造业、农业、国防、医疗保健、医药、能源、金融和运输）提供优化的业务解决方案。尽管现实生活中发现并解决了许多组合优化问题，还有数百万个问题有待发现和制定，但约束类型（MILP的构建块）的数量相对较少。在寻找一个合适的机器可读的知识表示结构MILP，我们提出了一个优化建模树的基础上建立的MILP模型本体，可用于指导自动化系统，以引出一个MILP模型从最终用户对他们的组合业务优化问题。我们的最终目标是开发一个机器可读的知识表示的MILP，使我们能够映射到最终用户的自然语言描述的业务优化问题的MILP正式规范自动化数学建模的第一步。
2021-02-28 cs.AI
A Planning Ontology to Represent and Exploit Planning Knowledge for Performance Efficiency
University of South Carolina（南卡罗来纳大学）；IIIT-Delhi（德里印度信息技术学院）
本文利用IPC数据构建规划本体，以语义化组织规划器与领域知识，并通过宏等机制支持规划器选择和性能提升。
2024-07-08 cs.AI
Towards a Forensic Event Ontology to Assist Video Surveillance-based Vandalism Detection
Queen Mary University of London（伦敦玛丽女王大学）；ISTI-CNR（意大利国家研究委员会信息科学与技术研究所）
事件的检测和表示是自动监控系统中的关键要素。我们在这里提出了一个本体表示复杂的语义事件，以协助基于视频监控的故意破坏检测。本体包含丰富的和明确的事件词汇表的定义，旨在帮助法医分析客观地识别和表示复杂的事件。然后，我们的本体论被应用于2011年发生的伦敦骚乱的背景下。我们还报告进行的实验，以支持复杂的犯罪事件从视频数据的分类。
2019-03-21 cs.AI eess.IV
HeadCT-ONE: Enabling Granular and Controllable Automated Evaluation of Head CT Radiology Report Generation
Harvard University（哈佛大学）；NYU Langone Health（纽约大学朗格尼健康中心）；Columbia University（哥伦比亚大学）；Yale University（耶鲁大学）
HeadCT-ONE通过本体归一化实体与关系抽取，实现头部CT报告生成的细粒度、可控自动化评估，提升语义等价捕获与临床错误对齐。
2024-09-19 cs.AI
Developing an Ontology for AI Act Fundamental Rights Impact Assessments
Dublin City University（都柏林城市大学）；ADAPT Centre（ADAPT中心）
本文基于语义网标准构建FRIA本体，借鉴DPV经验，支持《人工智能法案》下基本权利影响评估的创建、管理及自动化工具应用。
2024-12-20 cs.AI cs.CY
Towards an Ontology for Scenario Definition for the Assessment of Automated Vehicles: An Object-Oriented Framework
TNO；Delft University of Technology（代尔夫特理工大学）；Radboud University（拉德堡德大学）；Symphony Co.（Symphony公司）；getthere（2getthere）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种面向对象的框架，为自动驾驶车辆评估定义了全面且可操作的场景概念，通过将场景及其构建模块定义为对象类，促进了场景建模的清晰性、模块化、可重用性和封装性。
2021-12-13 cs.AI cs.SE
An automated method for the ontological representation of security directives
Università degli Studi di Catania（卡塔尼亚大学）
本文针对欧洲安全指令法律语言难以解释的问题，结合定制NLP技术与本体开发原则，提出一种将安全指令自动表示为本体的方法，并以NIS 2指令为例验证其有效性。
2023-06-30 cs.AI cs.CL
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
More Effective Ontology Authoring with Test-Driven Development
University of Cape Town（开普敦大学）；Poznan University of Technology（波兹南理工大学）
本体创作是一个复杂的过程，通常自动推理机被调用来验证新引入的更改，这相当于一个耗时的最后测试方法。测试驱动开发（TDD）是一种最新的{ \em test-first}方法，旨在减少创作时间并提高创作效率。目前的TDD测试在覆盖OWL特性和可能的测试结果、严格的基础以及确定其有效性的评估方面存在不足。我们的目标是解决这些问题，在一个实例的TDD本体创作。我们首先提出了一个简洁的，基于逻辑的TDD测试模型，并提出了新的TDD算法，以涵盖任何OWL 2类表达式的TBox和主要ABox断言，并证明其正确性。该算法直接使用OWL API的方法，因此测试执行不需要重新分类，从而减少了本体编写时间。算法在Protégé插件TDDonto 2中实现。TDDonto 2的编辑效率和用户评价。编辑效率的研究表明，它是一个典型的本体编写界面，特别是对于中型和大型本体更快。用户评估表明，与标准Protégé界面相比，建模人员使用TDDonto 2的错误明显减少，并在更短的时间内更好地完成任务。因此，结果表明，测试驱动开发是一个有前途的方法在本体开发方法。
2018-12-14 cs.AI
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
Repairing Ontologies via Axiom Weakening
KRDB, Unibz, Bozen-Bolzano（博尔扎诺自由大学 KRDB 中心）
本体工程是一项困难且容易出错的任务，其中微小的更改可能导致错误，甚至产生不一致的本体。随着本体在规模上的增长，对用于修复不一致同时尽可能多地保留原始知识的自动化方法的需求增加。大多数之前完成此任务的方法都是基于从本体中删除一些公理以恢复一致性。我们提出了一种新的方法，削弱这些公理，使他们的限制较少，采用细化算子的使用。我们介绍了削弱DL本体的理论框架，提出了基于该框架的本体修复算法，并提供了一个计算复杂性的分析。通过对现实生活中的本体的实证分析，我们表明，我们的方法保留了显着更多的本体的原始知识比删除公理。
2017-11-09 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
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
Automated Standardization of Legacy Biomedical Metadata Using an Ontology-Constrained LLM Agent
Division of Computational Medicine, Stanford University（斯坦福大学计算医学部）；Department of Biology, University of Pennsylvania（宾夕法尼亚大学生物学系）
提出基于LLM的元数据标准化系统，通过实时查询标准指南和本体服务，在839条HuBMAP记录上验证，相比纯LLM方法显著提升预测准确性。
2026-10-27 cs.AI cs.DB
Leveraging LLMs for Collaborative Ontology Engineering in Parkinson Disease Monitoring and Alerting
Intelligent Systems Laboratory, Department of Cultural Technology and Communication, University of the Aegean（爱琴海大学智能系统实验室）；Artificial Intelligence Laboratory, Department of Digital Systems, University of Piraeus（比雷埃克斯大学人工智能实验室）
本文研究了利用大语言模型进行帕金森病监测与预警本体工程，通过人机协作提升本体的全面性和准确性。
2025-12-16 cs.AI
Towards Ontology-Based Descriptions of Conversations with Qualitatively-Defined Concepts
Loria, CNRS, Université de Lorraine, Nancy, France（Loria研究所、法国国家科学研究中心、洛林大学、南希分校）；Université Sorbonne Paris Nord, CNRS, Laboratoire d'Informatique de Paris Nord, LIPN, F-93430 Villetaneuse, France（巴黎北大学、法国国家科学研究中心、巴黎北信息技术实验室、LIPN、法国）
针对大语言模型作为对话智能体的可控性难题，提出基于本体的方法，通过语言描述符将定性对话特征转化为定量定义并形式化入本体，以CEFR分级为案例通过微调实现LLM受控生成，提升对话AI的一致性与可解释性。
2025-09-05 cs.AI cs.CL cs.LG
Semantic Graph Unification for Industrial Digital Threads: Bridging 11 Heterogeneous Manufacturing Systems Through Ontology-Driven Knowledge Graphs
该研究提出一种本体驱动的RDF知识图谱框架，通过五阶段ETL流水线统一11个异构制造系统的数据，经实验验证其可实现跨系统信号发现，且适用于多个制造垂直领域。
2026-08-27 cs.AI
Commonsense Ontology Micropatterns
Kansas State University（堪萨斯州立大学）；Wright State University（莱特州立大学）
针对 MOMo 缺乏可直接使用的本体设计模式这一问题，本文利用 LLM 的常识知识整理 104 个常见名词模式，构建完全标注且可与 MOMo 配合使用的模块化本体设计库。
2024-02-28 cs.AI cs.LO
The design and implementation of Language Learning Chatbot with XAI using Ontology and Transfer Learning
Division of Science and Technology, Beijing Normal University-Hong Kong Baptist University United International College（北京师范大学-香港浸会大学联合国际学院科技学部）
本文提出了一种基于迁移学习的英语学习聊天机器人，该机器人使用GPT-2生成的输出可以用基于微调数据集的本体图来解释。我们为系统的英语学习设计了三个层次，包括用于语音识别和发音纠正的语音层次，用于特定领域会话的语义层次，以及模拟英语中的自由式会话-作为自由式会话代理的语言聊天机器人通信的最高层次。在学术贡献方面，我们实现了本体图来解释自由式会话的性能，遵循XAI（可解释人工智能）的概念来可视化仿生学中的神经网络的连接，并解释从语言模型输出的句子。从实现的角度来看，语言学习代理集成了微信中的小程序作为前端，微调了迁移学习的GPT-2模型作为后端，通过本体图解释响应。
2020-09-29 cs.AI cs.CL cs.LG
Ontology-Driven Robotic Specification Synthesis
Warsaw University of Technology (WUT)（华沙技术大学）；NASA Jet Propulsion Laboratory (JPL)（美国国家航空航天局喷气推进实验室）；California Institute of Technology（加州理工学院）
本文提出基于本体的RSTM2方法，用于安全关键任务中机器人系统规范综合，通过随机时Petri网实现多层级蒙特卡洛模拟，支持架构权衡与资源分配。
2026-02-05 cs.AI cs.RO cs.SY
A Semi-Automated Corner Case Detection and Evaluation Pipeline
fka GmbH（fka有限公司）；ZF Friedrichshafen AG（采埃孚股份公司）
本文提出一种半自动化流水线，将专家知识转化为扩展的KI Absicherung本体，用于从感知数据集中提取边角案例，并评估检测网络在这些罕见且具有挑战性的场景下的性能。
2023-05-25 cs.AI cs.CV
Text2KGBench: A Benchmark for Ontology-Driven Knowledge Graph Generation from Text
IBM Research Europe（IBM欧洲研究院）；Universidad Autonoma de Tamaulipas（塔毛利帕斯自治大学）；Sharda University（夏尔达大学）
本文提出Text2KGBench基准，评估语言模型在本体引导下从文本生成知识图谱的能力，提供两个数据集和七个评估指标，基线实验表明仍有改进空间。
2023-08-04 cs.AI cs.CL
An Ontology-Based Approach to Optimizing Geometry Problem Sets for Skill Development
Harvard University（哈佛大学）；Forome Association（Forome协会）；IDEXX Laboratories（爱德士实验室）；Russian School of Mathematics（俄罗斯数学学校）；Lexington High School（列克星敦高中）；Park Hill South High School（帕克希尔南高中）；Brookline High School（布鲁克莱恩高中）
本文针对欧几里得几何在课程中受重视程度下降的情况，提出基于本体的框架优化几何问题集。通过“解决方案图”概念使问题选择与教学目标一致，经实践测试，有望解决数学知识表示难题，还提出自动问题注释等研究议程。
2026-07-27 cs.AI math.HO
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
