将一个使用 DL L1 表达的本体 O1 重写为 Horn DL L2 中的本体 O2，以保证在任意数据集扩展时 O1 和 O2 是等价的。对存在 Horn 重写的本体进行研究，并识别出一类本体可以用多项式大小的 Horn 重写表示。

Apr, 2015

本文研究本体数据库访问设置，其中 Abox 以关系数据库 D 的形式给出，而布尔连接查询 q 必须针对在 DL-Lite 或 Linear Datalog+/- 中制定的 Tbox T 模块进行求值。我们展示了如何将（T，q）转换为大小为多项式的等效递推 Datalog 程序 P。

Jun, 2011

研究了将一个分离的 Datalog 程序重写为普通的 Datalog 的问题，并提出了一种新的基于规则的知识表示语言（KR language）—— 弱线性分离 Datalog，以及在本文的框架下对本体推理问题的应用，结果表明许多非 Horn 本体可以被简化为弱线性程序，并可以用 Datalog 引擎在实践中进行查询回答。

Apr, 2014

本文通过基于 DL 本体的规划来解决开放世界状态约束，并提出了一种新的编译方案，即基于 DL 查询重写为具有分层否定的 Datalog 的标准 PDDL，以应对更具表现力的 DL，同时还证明了我们的方法可以优于以前的 DL 本体规划工作。

Mar, 2022

研究了在模糊 DL-Lite 本体中，如何回答 CNF 查询和阈值查询的问题，并通过重写方法表明阈值查询回答在数据复杂度上始终保持在 AC0 中，但是组合查询回答高度依赖于所选的三角范数，这对基础语义产生影响。

Nov, 2021

描述了 DaRLing 系统，它是一个 OWL 2 RL 本体推理的 Datalog 重写器，在 SPARQL 查询下具有实际适用性。

Aug, 2020

本文研究了本体查询中的查询重写和查询优化问题，其中查询重写包括将本体查询编译为与底层关系型数据库等效的查询，查询优化旨在改善此过程以生成成本效益高的 UCQ 重写，提出了一种有效的新方法以支持基于线性 Datalog+/- 的规则。

Dec, 2011

该论文研究了使用 Angluin 等人的准确查询学习框架来学习描述逻辑本体的问题，证明了可以用多项式大小的多项式查询来学习用 DL-Lite 描述逻辑和某些和 OWL 2 RL 相关的 EL 片段描述的本体，但即使只允许非循环本体，也不能用多项式大小的查询来学习用 EL 描述逻辑描述的本体。

Sep, 2017

本研究探索基于本体的时间数据访问，并通过证明重写为具有内置线性顺序的一阶逻辑或关系原始递归机制保证其电路复杂度，建立了包括正 LTL 公式、单调 MFO（<）公式和任意 MFO（<）公式在内的 OM ​​问题一系列查询的层次结构，从而为基于本体的访问提供了基础。

Apr, 2020

提出了一种用于 OWL 2 EL 子集内的联合查询应答的方法，该方法是基于一种称为 combined approaches 的方法实现的，该方法包括材料化本体和数据的某些后果、在数据上评估查询以及过滤第二阶段的结果以消除不合理的答案。该方法有助于在 OWL 2 EL 大片段中进行联合查询应答。

Mar, 2013