本篇研究针对 OWL 1 和 OWL 2 DL 中的名词、反向角色和数字限制问题，提出了在 DL ALCHOIQb 中的联合查询包含了所有三个构造的可决定性结果。

Jan, 2014

本文提出了一种降低描述逻辑推理器调用次数的概念归纳算法，从而提高执行时间，尤其在其他系统速度过慢的情况下，可作为现有系统的有效替代方案，同时在许多情况下，正确率仍然很高。

Dec, 2018

描述了DaRLing系统，它是一个OWL 2 RL本体推理的Datalog重写器，在SPARQL查询下具有实际适用性。

Aug, 2020

通过针对存在规则本体的静态分析，研究了两种规则依赖性 - 正依赖性和约束性 - 并设计和实现了优化算法以实现其有效计算，从而分析了基于规则的自下而上的推理方法在现实本体上的可行性和实用性。实验证明了该方法的可扩展性，特别是在分析规则依赖性时，能产生不冗余的“瘦”知识图。

Jul, 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

文章研究了不同的图投影方法对本体学习中嵌入生成和公理预测性能的影响。研究发现，不同的投影方法以及本体知识表示上的选择都会对公理预测产生重要影响。

Mar, 2023

白盒机器学习算法的研究，特别关注用于学习描述逻辑中的公理的算法，通过引入多个搜索树和共享细化池以将搜索空间分割为较小子空间，使用从每棵树中获取最佳类表达式的合取操作以提供最有用信息，旨在促进从多样的起始类中进行探索，并简化发现本体中的类表达式的过程。

Sep, 2023

本文定义了四个评分函数来基于预训练模型对公理进行排名，提出了一种处理不可满足概念的本体修订算法，并通过实验验证了其性能和效率。

Oct, 2023

本文提出了一个自匹配训练方法，对本体嵌入模型进行训练，包括倒排索引矩阵嵌入（InME）和共现矩阵嵌入（CoME），以捕捉本体注释公理中的全局和局部信息。通过自匹配训练方法，在预测超类与子类相似且与本体中其他实体孤立的情况下，可以提高概念包含预测的鲁棒性。实验证实，在GO和FoodOn本体中，使用InME的自匹配训练方法优于现有的本体嵌入方法；而在HeLiS本体中，使用CoME和OWL2Vec*的连接方法优于其他方法。

Feb, 2024

该研究论文介绍了一种基于工厂模式的OWLOOP API，用于解决在Ontology Web Language (OWL)和Object-Oriented Programming (OOP)之间映射逻辑公理的问题，并探讨了工厂模式对OOP多态性的影响和范式转换。通过示例展示了OWLOOP的优点和局限性，以及在智能环境中应用于机器人的情况。

Apr, 2024