Transforming UNL graphs in OWL representations
从自然语言中提取形式知识（本体）是一个挑战，它可以在语义层面上从文本的（半）形式语言表示中受益。我们建议通过在RDF之上实现通用网络语言（UNL）规范来实现这样的表示。因此，任何语言中的语句的含义都将被合理地表达为RDF-UNL图，该图构成了自然语言和形式知识之间的中间地带。特别是，我们证明了RDF-UNL图可以支持使用通用SHACL规则的内容提取，并且对提取的事实进行推理可以检测原始文本中的不一致性。这种方法是实验在UNSEL项目，旨在提取本体表示系统的要求/规格，以检查它们是一致的，完整的和明确的。我们的RDF-UNL实现和本文工作示例的所有代码都可以在CeCILL-B许可证下在https://gitlab.tetras-libre.fr/unl/rdf-unl上公开获得
2022-01-13 cs.AI
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
SMT-Based Safety Verification of Data-Aware Processes under Ontologies (Extended Version)
Computing Science Department, Umeå University（于默奥大学计算科学系）
在验证数据感知过程（DAP）的背景下，基于可满足性模理论（SMT）的形式化方法已被认为是验证参数化的安全属性的所谓的工件为中心的系统。这种方法需要结合模型理论的概念和算法技术的基础上向后可达性。我们在这里介绍一个变种的最调查的模型在这个频谱，即简单的工件系统（SAS），而不是管理一个数据库，我们在一个描述逻辑（DL）本体（稍微扩展）RDFS表示。这DL，享有适当的模型理论的属性，使我们能够定义基于DL的SAS向后可达性仍然可以应用，导致相应的安全问题的PSPACE的可判定性。
2021-08-27 cs.AI
Ontology as a Source for Rule Generation
Riga Technical University（里加工业大学）
本文揭示了潜在的OWL（Web本体语言）本体生成的规则。本文的主要目的是确定新类型的规则，这可能是从OWL本体生成的。从OWL本体生成的规则是语义Web专家系统运行所必需的。语义网专家系统（SWES）将能够处理来自Web的本体，以补充甚至发展其知识库。
2014-04-18 cs.AI
RDF annotation of Second Life objects: Knowledge Representation meets Social Virtual reality
Univ. of Messina（墨西拿大学）；Univ. of Milan（米兰大学）
我们已经设计并实现了一个应用程序运行在第二人生，支持用户注释的图形对象和图形可视化的概念本体，从而提供了一个正式的，机器可访问的对象描述。因此，我们提供了一个平台，结合图形知识表示，预计从MUVE工件的语义结构的资源框架描述（RDF）表示的信息。
2015-04-09 cs.AI cs.HC
Extended RDF as a Semantic Foundation of Rule Markup Languages
Institute of Computer Science, FORTH-ICS（计算机科学研究所，FORTH-ICS）；University of Crete（克里特大学）；Universidade Nova de Lisboa（新里斯本大学）
本体论和自动推理是语义网的基础。派生规则可以被包括在本体中以基于基本概念来定义派生概念。例如，规则允许基于相同或其他类和属性的扩展之间的复杂关系来定义类或属性的扩展。另一方面，也需要包括否定失败和明确否定信息的形式的否定信息，以实现各种形式的推理。在本文中，我们扩展了RDF图的弱否定和强否定，以及派生规则。定义了扩展框架（Extended RDF）的ERDF稳定模型语义，扩展了RDF（S）语义。我们的理论的一个显着特点，这是基于部分逻辑，是真和假的属性和类的扩展被认为是，允许真值差距。我们的框架支持封闭世界和开放世界的推理，通过明确表示特定的封闭世界的假设和ERDF本体论类别的总属性和总类。
2011-10-31 cs.AI
A Review of Multilingualism in and for Ontologies
University of Cape Town（开普敦大学）
多语言语义网已经被关注了十多年。关联数据和RDF中的多语言性已被大量采用，但自15年前的上次审查以来，本体论的情况尚不清楚。OWL的设计目标之一是国际化，目的是使本体可以跨语言和文化使用。与此同时，许多改进多语言本体的研究已经进行，并且推测多语言链接数据可以使用多语言本体。因此，本次审查旨在（一）阐明和比较多语言本体的建模选项，（二）检查现存的本体的多语言性，及（三）评估本体编辑器管理多语言本体的能力。确定了九种不同的对本体中的多语言性进行建模的主要方法，这些方法分为以下方法之一：使用多语言标签、语言模型或基于映射的方法。他们比较设计的特设可视化模式的建模多语言信息的本体，缺点，以及他们的目标是解决什么问题。对于本体，我们从BioPortal和LOV存储库中提取了生产级和可访问的本体，这两个存储库最多分别有6.77%和15.74%的多语言本体，其中大多数只有部分翻译，并且它们都只使用基于标签的方法。基于管理多语言本体的九个工具要求，对七个相关本体编辑器的评估表明，在工具支持方面存在重大差距，VocBench 3最接近于满足所有这些要求。这种盘点可以作为一个新的基线，并激励新的研究方向的多语言本体。
2022-10-06 cs.AI
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
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
Knowledge Representation on the Web revisited: Tools for Prototype Based Ontologies
Fraunhofer Institute for Applied Information Technology FIT（弗劳恩霍夫应用信息技术研究所）；RWTH Aachen University（亚琛工业大学）；University of Jyvaskyla（于韦斯屈莱大学）；World Wide Web Consortium (W3C)（万维网联盟）
近年来，在W3C推荐的推动下，RDF和OWL已经成为Web上最常用的知识表示语言。在本文中，我们提出了一个实际的实现不同类型的知识表示的基础上原型。详细地说，我们提出了一个具体的语法容易和有效地解析的应用程序。我们还提出了一个原型知识库的可扩展实现，专门设计用于存储的原型。这些实现是用Java编写的，可以通过将实现用作库来扩展。或者，软件可以这样部署。此外，本地和Web部署的基准测试的结果。本文增加了一个研究论文，在其中我们描述了我们的原型系统的更多的理论方面。
2016-07-16 cs.AI
Handling irresolvable conflicts in the Semantic Web: an RDF-based conflict-tolerant version of the Deontic Traditional Scheme
School of Law, Swansea University（法律学院，萨塞克斯大学）；University of Turin（都灵大学）
本文提出一个基于RDF和SPARQL的本体，实现道义传统方案，处理不可解决的义务、禁止和许可冲突，并支持推理违规及上下文交互，为语义网提供统一框架。
2024-11-29 cs.AI
Analysis and visualisation of RDF resources in Ondex
Centre for Mathematical and Computational Biology, Rothamsted Research（罗斯埃姆斯泰德研究所数学与计算生物学中心）；School of Computing Science, University of Newcastle（纽卡斯尔大学计算科学学院）
Ondex是一个数据集成和可视化平台，用于支持系统生物学研究。其核心是基于两个主要原则的数据模型：首先，所有信息都可以表示为图，其次，图的所有元素都可以用本体进行注释。这种数据模型符合语义网框架，特别是RDF，因此Ondex被理想地定位为可以利用语义网的平台。
2010-12-08 cs.AI cs.CE
Inference rules for RDF(S) and OWL in N3Logic
University of Bialystok（比亚韦斯托克大学）
本文介绍了资源描述框架（RDF）、RDF模式（RDFS）和Web本体语言（OWL）的推理规则。我们的形式化是基于符号3逻辑，它扩展了RDF的逻辑符号，并创建演绎RDF图存储的语义Web逻辑。我们还提出了OWL-P，这是一个轻量级的OWL形式主义，并支持软推理，省略复杂的语言结构。
2016-01-11 cs.AI cs.DB cs.LO
Interpretations of the Web of Data
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
新兴的Web of Data利用Web基础设施来表示和关联数据。Web of Data的基本标准包括统一资源标识符（URI）和资源描述框架（RDF）。URI用于标识资源，RDF用于关联资源。虽然RDF被认为是一种专门为知识表示和推理设计的逻辑语言，但如果它可以方便地支持其他计算模型，它将更加有用。为了将Web of Data实现为存储和处理世界数据的通用介质，有必要将RDF从其逻辑语言遗产中分离出来，并将其简单地构建为数据模型。此外，将语义Web看作是对数据Web的一种特殊解释，它特别关注知识表示和推理，这有很大的优势。通过这样做，数据Web的其他解释被暴露出来，以不同的能力实现RDF，并支持不同的计算模型。
2009-05-21 cs.AI cs.DL
Towards Building Knowledge by Merging Multiple Ontologies with CoMerger: A Partitioning-based Approach
Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学）
本体是语义网中组织数据的主要方式。通常，有必要组合几个独立开发的本体以获得完全表示感兴趣领域的知识图谱。现有本体的互补性可以通过合并它们来利用。现有的本体合并方法大多实现二进制合并。然而，随着跨领域的相关本体的数量和规模的不断增长，可扩展性成为一个核心挑战。多本体合并技术提供了一个潜在的解决方案，这个问题。我们提出了一种可扩展的多本体合并方法CoMerger。为了有效的处理，而不是连续合并完整的本体成对，我们组相关的概念跨本体到分区和合并第一次内，然后在这些分区。在知名数据集上的实验结果证实了该方法的可行性，并证明了其优于二进制策略。原型实现可以通过实时Web门户免费访问。
2020-05-06 cs.AI
Towards an Ontology based integrated Framework for Semantic Web
Electronic Research Institute（电子研究所）；Al-Azhar University（爱资哈尔大学）
这种本体被广泛用于解决网络上的信息异构性问题，因为它们的能力，提供明确的意义的信息。它们成为以结构化方式进行知识表示的有效工具。对于同一个领域，总是有多个本体。此外，没有一个标准的方法来构建本体，有许多本体构建工具使用不同的本体语言。由于这些原因，本体之间的互操作性非常低。目前的本体工具大多使用函数来建立、编辑和推理本体。在大多数工具中没有包含用于合并异构领域本体的方法。本文提出了一种本体合并方法，用于从异构的可扩展置标语言（XML）数据源中构建一个全局本体，以捕获和维护XML数据源所能包含的所有知识
2013-05-30 cs.AI
A Framework for Evaluating Agricultural Ontologies
Tel-Aviv University（特拉维夫大学）；Ben Gurion University of the Negev（本·古里安大学内盖夫分校）
本体是领域知识的一种形式化表示，它可以被机器解释。近年来，本体已经成为领域知识表示的主要工具，并且是许多知识管理系统、决策支持系统和其他智能系统的核心组成部分，特别是在农业背景下。然而，对现有农业本体论文献的回顾表明，大多数提出农业本体论的研究都缺乏明确的评价程序。这是不希望的，因为没有结构良好的评估过程，很难考虑本体的研究和实践的价值。此外，它是很难依赖于这样的本体，并共享它们的语义Web或语义感知应用程序之间。随着越来越多的基于本体的农业系统和语义网的日益普及，它成为必要的，这样的发展和评价方法，提出了指导未来的努力本体发展。我们的工作有助于农业本体的文献，提出了一种方法来评估农业本体，这似乎是从大多数现有的研究农业本体缺失。该框架支持匹配适当的评价方法为一个给定的本体的基础上本体的目的。
2019-06-26 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
Best Practices for Implementing FAIR Vocabularies and Ontologies on the Web
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）；Universidad Politécnica de Madrid（马德里理工大学）
随着语义网技术的采用，越来越多的词汇表和本体已经在不同的领域，从生物学到农学或地球科学开发。然而，许多这些本体仍然很难找到，访问和理解的研究人员由于缺乏文档，URI解决问题，版本控制问题等，在这一章中，我们描述的指南和最佳实践创建可访问的，可理解的和可重用的本体在Web上，使用标准的做法，并指向现有的工具和框架开发的语义Web社区。我们用具体的例子来说明我们的指导方针，以帮助研究人员在他们未来的词汇中实现这些做法。
2020-03-29 cs.AI cs.DB cs.DL
Automatically Drafting Ontologies from Competency Questions with FrODO
Institute of Cognitive Sciences and Technologies, Italian National Research Council (ISTC-CNR)（意大利国家研究委员会认知科学与技术研究所）；University of Bologna（博洛尼亚大学）
我们提出了基于框架的本体设计出口（FrODO），一种新的方法和工具，从能力问题自动起草本体。能力问题被表达为自然语言，并且是用于表示许多敏捷本体工程方法（例如极限设计（XD）或SAMOD）中的需求的常见解决方案。FrODO建立在FRED之上。事实上，它利用框架语义来围绕由FRED从能力问题产生的RDF绘制领域相关的边界，从而起草领域本体。我们进行了基于用户的研究，评估FrODO在支持工程师的本体设计任务。研究表明，FrODO是有效的，由此产生的本体草案是定性的。
2022-08-03 cs.AI cs.CL cs.DB
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
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
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
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
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
Using RDF to Model the Structure and Process of Systems
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；New England Complex Systems Institute（新英格兰复杂系统研究所）
许多系统可以用离散元素的网络及其相互之间的各种关系来描述。语义网络或多关系网络是一个有向标记图，由一组异构的实体组成，这些实体通过一组异构的关系连接起来。语义网络作为一个有前途的通用复杂系统的建模基板。现在有各种标准化的格式和工具可用于支持实用的大规模语义网络模型。首先，资源描述框架（RDF）提供了一个标准化的语义网络数据模型，可以进一步形式化的本体建模语言，如RDF模式（RDFS）和Web本体语言（OWL）。其次，最近引入的高性能的三重存储（即语义网络数据库）允许语义网络模型的顺序$10^9$边缘有效地存储和操纵。RDF及其相关技术目前广泛应用于计算机科学、数字图书馆科学和生物科学领域。本文将介绍RDF/RDFS/OWL，并研究其对离散元素复杂系统建模的适用性。
2007-10-15 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
Automatic Mapping of AutomationML Files to Ontologies for Graph Queries and Validation
Institute of Automation Technology, Helmut Schmidt University, Hamburg, Germany（海德堡-哈根大学自动化技术研究所）；Chair of Automation Technology, Ruhr University, Bochum, Germany（鲁尔大学自动化技术教授职位）
本文提出将 AutomationML 自动映射为 OWL 本体，以支持用 SPARQL 查询和 SHACL 验证，从而突破 XML 工具在自动化数据应用中的限制。
2025-09-18 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
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
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
On the Merging of Domain-Specific Heterogeneous Ontologies using Wordnet and Web Pattern-based Queries
Faculty of Information Technology（信息技术学院）；Faculty of Computer Science（计算机科学学院）；Monash University（莫纳什大学）；University of Lyon（里昂大学）
本体构成了各种计算机科学学科的基本兴趣，如语义网，信息检索，数据库设计等，它们旨在提供一个正式的，明确的和共享的概念化和不同社区之间的共同领域的理解。此外，它们允许明确定义特定领域的概念及其约束。然而，本体开发的分布式特性和本体工程师观点的差异导致了本体之间的“语义异构性”。语义异构性是实现本体间互操作性的主要障碍。为了克服这一障碍，我们提出了一个多用途的框架，利用WordNet通用知识库：i）发现和纠正不正确的语义关系的概念之间的本体在一个特定的领域。该步骤是本体合并的一个基本步骤。ii）通过计算概念之间的语义关系来合并特定领域的本体。㈢通过在网上获取统计资料，处理WordNet中缺少概念的问题。4.用这些缺失的概念丰富WordNet。一个实验性的框架实例和比较国家的最先进的语法和语义为基础的系统验证我们的建议。
2020-04-30 cs.AI cs.CL cs.IR
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
Linked Crunchbase: A Linked Data API and RDF Data Set About Innovative Companies
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
Crunchbase是一个在线平台，收集有关初创公司和技术公司的信息，包括公司，人员和投资的属性和关系。Crunchbase中包含的数据在很大程度上是其他地方不可用的，这使得Crunchbase成为一个独特的数据源。在本文中，我们介绍了如何将Crunchbase带到Web of Data，以便Web上的任何人都可以以机器可读的RDF格式使用其数据。首先，我们深入了解了我们如何为Crunchbase开发和托管链接数据API，以及如何集成与其他数据源的sameAs链接。然后，我们提出了我们的方法来爬取RDF数据的基础上，这个API建立一个自定义的Crunchbase RDF知识图谱。我们创建了一个RDF数据集，其中包含超过3.47亿个三元组，包括78.1万人，65.9万个组织和34.3万个投资。我们的Crunchbase关联数据API可在http://linked-crunchbase.org上在线获取。
2019-07-19 cs.AI cs.DB cs.IR
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
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
Realization of Ontology Web Search Engine
本文描述了本体Web搜索引擎的实现。本体Web搜索引擎既可以作为独立的项目实现，也可以作为其他项目的一部分实现。本文的主要目的是介绍作为语义网专家系统一部分的本体网搜索引擎的实现细节，并给出本体网搜索引擎的运行结果。语义网专家系统将能够处理来自Web的本体，从这些本体生成规则并开发其知识库。
2017-02-22 cs.AI cs.IR
How Users Explore Ontologies on the Web: A Study of NCBO's BioPortal Usage Logs
Stanford University（斯坦福大学）；Graz University of Technology（格拉茨技术大学）；GESIS（莱布尼茨社会科学研究所）；University of Koblenz-Landau（科布伦茨-兰道大学）
生物医学领域的本体论数量众多，高度专业化，开发成本非常昂贵。因此，本体采用和重用的一个重要前提是有效地支持探索和发现现有的本体。为了实现这一目标，国家生物医学本体中心（NCBO）开发了BioPortal-一个在线知识库，旨在支持用户探索和查找500多个现有的生物医学本体。2016年，BioPortal是探索语义生物医学词汇和术语的最大门户之一，被许多研究人员和从业者使用。虽然这个门户的使用率很高，但我们对用户究竟如何搜索和探索本体以及首先存在什么样的使用模式或用户组知之甚少。深入了解用户在这些门户网站上的行为可以提供有价值的信息，以制定更好地支持用户探索和查找现有本体的策略，从而实现更好的本体重用。为此，我们使用数据采掘技术研究和分组用户根据他们的浏览行为在BioPortal上。此外，我们使用所获得的组来表征和比较探索策略跨本体。特别是，我们能够识别出七种不同的浏览行为类型，它们都使用了BioPortal提供的不同功能。例如，搜索浏览器广泛使用搜索功能，而本体树浏览器主要依赖于类层次结构来浏览本体。此外，我们表明，本体的具体特点影响用户探索和互动的网站。我们的研究结果可能会指导开发更多的面向用户的系统在Web上的本体探索。
2016-10-31 cs.AI cs.DL cs.HC
Transforming and Enriching Documents for the Semantic Web
我们建议采用自然语言处理（NLP）和知识表示（KR）的技术，将现有的文档转换为适合语义Web的文档。语义Web文档至少有一部分语义和语用以机器可处理和人类可读的方式显式标记。XML及其相关标准（XML、RDF、Topic Maps等）是为不同应用场景开发的工具和方法的统一平台。
2005-01-31 cs.AI
Logical Foundations of RDF(S) with Datatypes
Vienna University of Technology（维也纳工业大学）
资源描述框架（RDF）是一种语义Web标准，它提供了一种数据语言，简称为RDF，以及一种轻量级的本体语言，称为RDF模式。我们研究了RDF在逻辑中的嵌入，并展示了如何使用标准逻辑编程和描述逻辑技术进行RDF推理。随后，我们考虑扩展的RDF与数据类型的支持，考虑D蕴涵，定义在RDF语义规范，和D* 蕴涵，语义弱化的D蕴涵，介绍了特霍斯特。我们使用的嵌入和性质的逻辑建立新的上限的复杂性决定蕴涵。随后，我们建立了两个新的下界，确定RDFS蕴涵是PTime完全的，而simple-D蕴涵是coNP困难的，当考虑任意数据类型时，无论是在蕴涵图的大小方面。结果表明，RDFS可能不像人们所期望的那样轻量级。
2014-01-16 cs.AI cs.LO
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
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
Learning Vague Concepts for the Semantic Web
University of Edinburgh（爱丁堡大学）
本体可以是一个强大的工具，结构化的知识，他们目前是广泛的研究课题。更新一个本体的内容或提高它与其他本体的互操作性是一个重要但困难的过程。在本文中，我们专注于模糊概念的存在，这是普遍存在于自然语言，在形式本体的框架内。我们将采用一个框架，在这个框架中，通过可以自动调整的数字限制来捕获复杂性。由于更新模糊的概念，无论是通过本体对齐或本体进化，可能会导致不一致的公理集，我们定义并实现了一种方法来检测和修复这种不一致的地方时尚。
2014-10-19 cs.AI cs.CL
Reasoning over RDF Knowledge Bases using Deep Learning
Wright State University（莱特州立大学）；University of Milan - Bicocca（米兰比可卡大学）
语义Web知识表示标准，特别是RDF和OWL，通常被赋予一个正式的语义，这被认为是该领域的根本重要性。推理，即，从这些标准中表达的知识中进行逻辑推理传统上是基于逻辑演绎方法和算法，其可以被证明是可靠的、完整的和终止的，即在很强的意义上是正确的。由于各种原因，虽然，特别是，所产生的可扩展性问题，不断增加的语义Web数据和演绎算法无法处理噪声的数据，有人认为，替代的推理手段应调查承担高的承诺，高的可扩展性和更好的鲁棒性。从这个角度来看，演绎算法可以被认为是关于正确性的黄金标准，需要测试替代方法。在本文中，我们证明了在RDF知识图谱上训练一个深度学习系统是可能的，这样它就能够对新的RDF知识图谱进行推理，与演绎黄金标准相比具有高精度和召回率。
2018-11-09 cs.AI cs.LG stat.ML
MetaConfigurator: AI-Assisted RDF Authoring from JSON Data
Institute for Parallel and Distributed Systems, University of Stuttgart（并行与分布式系统研究所，斯图加特大学）；Institute of Polymer Chemistry, University of Stuttgart（聚合化学研究所，斯图加特大学）；Institute of Biochemistry, University of Stuttgart（生物化学研究所，斯图加特大学）
提出一个集成AI辅助的RML映射、SPARQL查询和知识图谱可视化的Web界面，将JSON等结构化数据转换为RDF，并以MOF合成实验数据验证其有效性。
2026-07-09 cs.AI cs.SE
Toward a Generic Mapping Language for Transformations between RDF and Data Interchange Formats
Helmut Schmidt University（赫尔穆特·施密特大学）
虽然存在使用语义模型来集成异构数据的方法，但是这样的语义模型通常不能被现有的软件工具使用。许多软件工具--尤其是在工程领域--只能选择以更成熟的数据交换格式（如XML或JSON）导入和导出数据。因此，如果需要在这样的软件工具中使用包括在语义模型中的信息，则需要用于将语义信息映射到交换格式的自动方法。我们的目标是开发一个通用的映射方法，允许用户创建一个数据交换格式的任意结构，可以由用户定义的语义信息的转换。目前正在拟订这一绘图方法。在这篇文章中，我们报告了从RDF到XML转换的初始步骤。首先，介绍了一种映射语言，它允许定义从本体到XML的自动映射。此外，映射算法能够执行映射定义在这种语言。评估是用一个用例完成的，在这个用例中，工程信息需要在3D建模工具中使用。
2022-11-04 cs.AI cs.DB
A set of semantic data flow diagrams and its security analysis based on ontologies and knowledge graphs
Yanka Kupala State University of Grodno（格罗德诺扬卡·库帕拉国立大学）
长期以来，威胁建模被视为一个手动的、复杂的过程。然而，现代敏捷开发方法和云计算技术需要添加自动威胁建模方法。这项工作考虑了两个挑战：创建一组机器可读的数据流图，代表真正的基于云的应用程序;和使用领域的特定知识，自动分析这些应用程序的安全方面。这组180个语义图（本体和知识图谱）是基于云配置（Docker Compose）创建的;该组包括一个手动分类法，允许定义基于Web的应用程序和数据处理应用程序的设计和功能方面;该组可用于威胁建模领域的各种研究。这项工作还评估了如何本体和知识图谱可以用来自动识别模式（映射到安全威胁）的图表。模式以对知识库的请求的形式表示图的特征，这使得它能够在图的语义表示中被识别。在实验中，创建了四组模式（Web应用程序，数据处理，网络和Docker特定），并通过模式检查图表。自动结果，收到的Web应用程序和数据处理模式，与手动分类法进行比较，以研究自动威胁建模的挑战。
2023-03-20 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
When one Logic is Not Enough: Integrating First-order Annotations in OWL Ontologies
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）
在本体开发中，主要使用Web本体语言OWL的领域本体和用一阶逻辑FOL编写的基础本体之间存在差距。为了弥合这一差距，我们提出了Gavel，一个工具，支持开发的异构的“FOWL”本体，扩展OWL与FOL注释，并能够推理的组合公理集。由于FOL注释存储在OWL注释中，因此FOWL本体与现有的OWL基础设施保持兼容。我们表明，OWL领域本体OBI，更强的集成与FOL顶级本体BFO通过我们的方法，使我们能够检测到几个不一致。此外，现有的OWL本体可以受益于FOL注释。我们说明这与FOWL本体包含mereotopological公理，使新的有意义的推论。最后，我们表明，即使是大的领域本体，如ChEBI，自动推理与FOL注释可以用来检测以前未注意到的错误分类。
2022-10-07 cs.AI cs.LO
WNtags: A Web-Based Tool For Image Labeling And Retrieval With Lexical Ontologies
Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算学院）
互联网上越来越多的图像文档不断激发人们对更好的标注模型和更有效的检索方法的研究。图片中的对象和事件的正式知识表示、它们的交互以及上下文复杂性不再是高质量图像存储库的选项，而是必需的。我们提出了一个基于本体的在线图像标注工具WNTags，并证明了它的有用性，在几个典型的多媒体检索任务使用国际情感图片系统情感标注的图像数据库。WNTags是围绕WordNet词汇本体构建的，但认为建议的上层合并本体是首选的标记形式主义。WNTags使用加权WordNet同义词集作为高级图像语义描述符，并使用词干和节点距离度量进行查询匹配。我们还阐述了我们不久的将来计划，以扩大与诱导影响的图像内容的描述，在人类的情感和注意力的研究刺激。
2017-12-05 cs.AI cs.IR cs.MM
Graph Data on the Web: extend the pivot, don't reinvent the wheel
Inria（法国国家信息与自动化研究所）；Université Côte d'Azur（蔚蓝海岸大学）；CNRS（法国国家科学研究中心）；I3S（I3S研究所）
这篇文章是来自Wimperson研究团队的集体立场文件，表达了我们对Web图形数据技术在未来应该如何发展的愿景，以确保生产和消费图形数据的多种应用程序之间的高级别互操作性。Wimplant是Web工具化人机交互、社区和语义的缩写。我们是INRIA Sophia Antipolis-M{é}diterran{é}e和I3 S（CNRS和Universit C{é}te d 'Azur）的联合研究团队。我们的挑战是在网络上架起形式语义和社会语义的桥梁。我们的研究领域是面向图形的知识表示，推理和操作化，以建模和支持基于网络的认知社区中的演员，行动和互动。我们的研究的应用是支持和促进在线社区的互动及其资源的管理。在这份立场文件中，我们强调需要扩展语义Web标准堆栈，以解决和满足新的图形数据需求，以及与现有建议保持兼容的重要性，特别是RDF堆栈，以避免模型，语言，框架，下面的章节对不同工作方向的动机进行了分组，并收集了创建RDF 2.0工作组的原因和其他建议RDF家族
2019-03-11 cs.AI cs.DB cs.SI
Defeasible RDFS via Rational Closure
CNR - ISTI（意大利国家研究委员会 - 信息科学与技术研究所）；CAIR - University of Cape Town（开普敦大学 - 开普敦人工智能研究所）
本文将理性闭包集成到RDFS中，通过扩展$ρdf$为$ρdf_\ot$并引入新谓词符号，提出保持三元组语法且可在多项式时间内判定的可废止$ρdf_\ot$。
2023-06-01 cs.AI cs.LO
Exact Learning of Lightweight Description Logic Ontologies
University of Liverpool（利物浦大学）；University of Bremen（不来梅大学）
我们研究的问题，学习描述逻辑（DL）本体在Angluin等人。的框架通过查询精确学习。我们承认成员查询（“是一个给定的包容所涉及的目标本体？“）和等价查询（“给定本体是否等价于目标本体？").我们提出了三个主要结果：（1）在描述逻辑DL-Lite（的两个相关版本）中制定的本体可以用多项式大小的多项式多个查询来学习;（2）对于在描述逻辑EL中制定的本体来说，情况并非如此，即使当仅允许非循环本体时也是如此;以及（3）在与web本体语言OWL 2 RL相关的EL的片段中制定的本体可以在多项式时间中学习。我们还表明，无论是成员资格或等价查询单独是不够的情况下（1）和（3）。
2017-09-20 cs.AI cs.LG cs.LO
SemOpenAlex: The Scientific Landscape in 26 Billion RDF Triples
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院（KIT））；metaphacts GmbH（Metaphacts有限公司）
本文提出SemOpenAlex，一个包含超260亿三元组的开放RDF科学知识图谱，通过SPARQL、Linked Open Data和实体嵌入支持语义搜索、影响力量化、推荐系统及语言模型等多种学术大数据应用。
2023-08-07 cs.AI cs.DL
