该文介绍了应用于形式化知识表示领域的本体学习中的经典机器学习和数据挖掘方法,包括关联规则挖掘、正式概念分析、归纳逻辑编程、计算学习理论及神经网络,总结了各种方法在学习 DL 本体方面的优点和限制。
Apr, 2021
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
该论文介绍了描述逻辑的主要概念和特点,包括例子、语法和语义,并概述了轻量级描述逻辑语言、Web 本体语言 OWL 的关系以及更多阅读指南。
Jan, 2012
本研究探讨了如何在法律智能领域中,使用结构化论证框架和 DL 本体论实现推理,并提供了对推理结果解释的正式定义。同时,以自动驾驶汽车设计为例,证明了该理论可以处理基于不一致本体的推理问题。
Sep, 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
本文通过广泛探究 Circumscription 与 DL-lite_R、EL 及其片段相结合的知识库的计算复杂性,确定了其复杂度范围从 P 到多项式层次的第二层,以及复杂度上升至 PSPACE 及以上的片段。
Jan, 2014
本文综述了在 RDF (S)、描述逻辑 EL 和 ALC,以及 OWL 2 RL 的支持下,基于神经符号推理的现有文献,讨论了采用的技术、解决的任务以及该领域的其他相关努力。
Aug, 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
本文通过五个方面来深入系统地研究原始 DL-Lite 逻辑的扩展中的推理,分别是添加布尔连接符和数字限制到概念构造中,允许角色层次结构,允许角色的互斥、对称性、非对称性、自反性、反自反性和传递性约束,并接受或放弃同一性假设,同时分析了语言的可满足复杂性,验证数据复杂性和回答反面存在性查询的数据复杂性。
经验分析表明,大型语言模型可以理解 DL-Lite 本体论,但在处理具有大型 ABox 的本体论以及理解 TBox NI 传递性方面存在困难。
Jun, 2024