本文基于形式逻辑推理构建的概念归纳法，展示其在本体工程和可解释的人工智能（XAI）领域中的应用，特别是在解释数据差异方面进行了研究，结果表明此方法可解释并可读。我们使用从维基百科类别层次结构中精选出的大类层次结构作为背景知识。
Sep, 2022
本文描述了 DLog—— 一种基于分辨率的描述逻辑推理系统。DLog 将描述逻辑公理转换为 Prolog 程序，并使用标准的 Prolog 执行有效地回答实例检索查询，是全 SHIQ 语言的 ABox 推理引擎。DLog 的方法使得个体能够储存在数据库中而不必放在内存中，这提高了可扩展性并有助于在现有信息源的基础上直接使用描述逻辑本体。
Apr, 2009
通过采用外推推理，我们研究了 DL-Lite 本体论上的逻辑、存在性和充分性问题，以解决联合查询应答中的缺失的单个事实的解释问题。
Feb, 2014
本文研究了非知识图谱领域中的归纳逻辑推理问题，提出了基于超图的多起点随机 B-walk 方法和路径一致性算法相结合的后向链式归纳逻辑规则学习方法。
Jun, 2022
本文通过递归找出反例中的模式，学习默认理论并提出了新的基于非单调逻辑编程形式的默认理论学习算法，实验证明相比基于归纳逻辑编程的传统方法，我们的算法具有显著优势。
Jul, 2017
本文旨在扩展经典逻辑，引入支持正负归纳的广义归纳定义，探究该逻辑的性质以及与非单调推理、逻辑编程和演绎数据库等其他逻辑之间的关系，并通过给出定义性知识分类法的应用来展示其在知识表示中的应用。
Mar, 2000
本文介绍了一种基于进化式学习的方法 ——EvoLearner 来学习知识图谱知识，并对这种方法在数据属性上提供了新的支持，同时通过 SML-Bench 基准框架展示了其显著的性能优势。
Nov, 2021
研究了用于解释说明自然现象原因、修复不完整的知识库以及提供与预期观察相符的可能性解释的 TBox 综合假设问题，发现现有的最小性标准不足，并引入了连通性最小性标准，该标准可根据首要导出式构建假设。
May, 2022
提出一种将抽象级别作为一等公民并提供概念和角色的抽象和细化的显式运算符的 DLs 扩展，它可以支持多个抽象级别上的知识表示，并证明在这个扩展的 DLs 家族中推理是可判定的，而一些看似无害的变化则是不可判定的。
Jun, 2023
在本文中，我们利用类比推理介绍了一种推断缺失知识的机制，用于完善本体论，从而解决现有本体论不完整的问题，并且提出了一种基于双射映射的新型语义，分析了该语义下类比的特性，展示了两种合理的推断模式：规则翻译和规则外推。
May, 2021