本研究论文介绍了一个名为 OntoChat 的对话式本体工程框架，支持需求获取、分析和测试，并通过复制音乐元本体的工程过程以及用户的初步评估指标来验证其有效性。
Mar, 2024
通过自然语言处理和网络分析等方法，对 30 个生物医学本体和计算机科学本体的质量进行研究和改进。该研究提出了多种潜在问题的检测方法，重点关注本体间交叉引用的问题，并探讨了本体的多样化重复使用对于本体质量的改进至关重要的观点。
May, 2022
本文重点探讨诸如基本参考本体（reference ontologies）等以内容为主或意图分享于用户社区的本体所面临的各种挑战，强调了为了达成共识所需的社交协商技能在本体学科的重要性。
Oct, 2022
本文介绍了一种称为 Query Understanding 的语义搜索方法，针对电子商务搜索，提出了一种简化的本体框架，探讨了基于该框架的商品分类自动提取方法，并进行了绩效比较。
Jul, 2018
本文提出一个以本体指导实体对齐的方法 OntoEA，该方法通过联合嵌入本体和知识图谱来避免虚假映射，实验证明了该方法的优越性和本体的有效性。
May, 2021
本文探讨了基于本体论的语义相似性计算在推荐系统中的应用。
ReOnto 是一种利用神经符号知识进行关系抽取任务的新技术，通过使用图神经网络获取句子表示并利用公开可访问的本体论来确定两个实体之间的句内关系，从本体论中提取两个实体之间的关系路径。在两个公共生物医学数据集 BioRel 和 ADE 上进行的实验结果显示，我们的方法优于所有基准方法（大约提高了 3%）。
Sep, 2023
本文介绍了对手工开发的 Telugu 词汇资源 OntoSenseNet 的丰富和应用，通过分类器学习和自动标记来自动丰富 OntoSenseNet。实验证明使用 SVM 分类器和 Adaboost 集成进行自动丰富资源很有效。
本研究提出 OntoMedRec，基于医学本体的逻辑预训练和模型无关的药物推荐，解决了数据稀疏性问题，通过对基准数据集进行全面实验评估，结果表明 OntoMedRec 的整合可以提高整个电子病历数据集和少样本药物入院情况下各种模型的性能。
Jan, 2024
OntoScene 是一个用于理解视觉场景的框架，它利用本体论表示知识和 Prolog 来实现 SceneInterpreter 引擎。OntoScene 的应用实验领域是史前岩画，该领域提供了一个有趣且具有挑战性的测试平台。
Nov, 2019