本文提出一种面向对象的贝叶斯网络（OOBN）语言，旨在解决在面临大型复杂的领域时，使用贝叶斯网络进行建模的困难，并描述了建立复杂领域的过程中所采用的用于描述对象间关联的碎片化贝叶斯网，并提供了OOBN的推理算法以及在推理过程中利用模型碎片化和变量封装来加快速度和提高效率的应用。
Feb, 2013
本文介绍了如何在现有的潜变量模型中整合先验类型约束来支持知识图谱的统计建模，并通过实验证明了关于关系类型的先验知识能够显著提高建模的性能，特别是在低复杂度约束下。同时，当在数据中缺少相关类型约束时，通过应用基于数据观察到的本地封闭世界假设，可以近似关系类型的语义。
Aug, 2015
本文提供了一种基于面向对象动态网络（OODN）的知识表示模型，可以用来建立对象和对象类之间的新关系，并维护各个概念对象之间的正确性和灵活性，同时提供了类别和类型之间的层次结构和分类。此模型可用于模拟人类知识系统和人类思维主要机制，如新经验和新理解的获取，具有重要的实际意义。
Oct, 2015
本文综合研究了知识图谱的几个方面，包括结构学习、知识获取和补全、时间知识图谱和基于知识图谱的应用，并提出了新的分类和分类法，以促进未来的研究。
Feb, 2020
提出了一种基于有向无环层次的数学理论来表示知识的方法，介绍了sesqui-pushout重写的应用以及python库ReGraph在此理论中的实现方法。
本文首次提出了领域特定知识图谱的综合定义，并针对七个领域的相关学术作品，提出了最先进的知识图谱构建方法进行了全面的回顾。审视当前方法时，揭示了一系列的局限和不足，同时还强调指出了文献中现存问题和未知的研究方向。
Oct, 2020
本文介绍了一种将逻辑编程应用于专家系统的新方法，它可以直接在面向对象的语言中声明。
May, 2022
本论文通过COMPS测试不同PLMs的语义概念属性及其推理能力，结果表明PLMs在基于知识表达的相关概念中表现相对困难且缺乏鲁棒性，从而对PLMs在正确推理方面的能力提出重要问题。
Oct, 2022
本研究致力于解决针对带有实值/布尔类型数据属性的OWL本体，通过学习分级模糊概念包含公理的方式描述类T实例的足够条件的问题，并介绍具有P-N两个阶段的学习算法PN-OWL，为得出最终决策，该算法将通过聚合函数组合的PN-OWL学习到的模糊包含公理，表征为Fuzzy OWL 2进行自动分类。
Mar, 2023
我们提出了一种基于已知类数据的无监督新类发现问题的解决方案，其中关键挑战在于将已知类数据中的知识传递到新类的学习中。我们引入了一种基于模型预测的类分布的类关系表示来对新类进行建模，并提出了一个新颖的知识蒸馏框架用于规范新类的学习，通过语义相似性自适应地促进知识传输。通过在多个基准数据集上的广泛实验证实了我们方法的有效性和泛化性，结果表明我们的方法几乎在所有基准数据集上显著优于先前的最先进方法。
Jul, 2023