学习描述逻辑本体论。五种方法。它们现在在哪里？

Apr, 2021

学习描述逻辑本体论。五种方法。它们现在在哪里？

Learning Description Logic Ontologies. Five Approaches. Where Do They Stand?

Ana Ozaki

TL;DR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。

Abstract

The quest for acquiring a formal representation of the knowledge of a domain of interest has attracted researchers with various backgrounds into a diverse field called ontology learning. We highlight classical machine l

ontology learning machine learning data mining description logic ontologies inductive logic programming

发现论文，激发创造

学习描述逻辑本体的复杂性

本文介绍了用于生命科学领域相关知识表示的本体论。提供了从计算学习理论中学习模型的正式规范，同时回顾了在这些模型中学习轻量级描述逻辑（DL）本体论的复杂性结果，最后，我们强调了文献中提出的其他学习 DL 本体论的方法。

Mar, 2021

轻量级描述逻辑本体的精确学习

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

面向 DL-Ontology 的基于论证的法律推理方法

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

机器学习与本体论的结合：一项系统文献综述

整合归纳推理和演绎推理的过程，系统文献综述发现研究了机器学习和本体结合的文章，并将归纳推理（由机器学习执行）和演绎推理（由本体执行）结合到人工智能系统中。通过分析 128 项研究，我们找到了三个主要的机器学习和本体结合的类别：增强本体、语义数据挖掘、学习与推理系统，并强调了这些研究中使用的多种机器学习算法。此外，我们还将我们的分类与领域内类似的近期工作和神经符号方法进行了比较。

Jan, 2024

一份描述逻辑入门

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

本体嵌入：方法、应用和资源综述

本文系统回顾了本体嵌入领域的 80 多篇论文，介绍了本体的不同语义以及数学和机器学习的视角下的本体嵌入的定义和特性，并对几种技术解决方案进行了分类和分析，包括几何建模、序列建模和图传播等。此外，还介绍了本体嵌入在本体工程、机器学习增强和生命科学中的应用，并讨论了挑战和未来方向。

Jun, 2024

深度神经网络本体推理

本研究采用最新的深度神经网络训练方法，成功开发出了一种模型，可以学会在基本本体论推理的形式下有效地进行逻辑推理，进而可以应用于许多现实世界中的问题，并且在各项实验中表现出高度准确和生物学上的可行性。

Aug, 2018

一种描述逻辑用于类比推理

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

基于 OWL DL 本体的本体导向规划（扩展版）

基于本文提出的新方法，规划专家和本体专家可以分别处理规划规范和本体，并通过接口进行关联，从而实现对本体引导的规划问题的优化处理，以支持整个 OWL DL 片段。

Aug, 2023

带有抽象和细化功能的描述逻辑

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