Mar, 2023

PN-OWL: 从OWL本体学习模糊概念包含的两阶段算法

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 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

  • OWL2Vec*: OWL本体嵌入

    本文提出了一种基于随机游走和词嵌入的本体嵌入方法OWL2Vec *，该方法将OWL本体的语义编码为结合了图结构，词汇信息和逻辑构造式的表示。通过在三个真实数据集上的实证评估，我们发现OWL2Vec * 在类成员预测和类包含预测任务中从本体的三个不同方面受益，并且通常在我们的实验中优于现有的技术水平。

    Sep, 2020

  • 学习描述逻辑本体论。五种方法。它们现在在哪里？

    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

  • 在模糊DL-Lite本体上回答模糊查询

    研究了在模糊DL-Lite本体中，如何回答CNF查询和阈值查询的问题，并通过重写方法表明阈值查询回答在数据复杂度上始终保持在AC0中，但是组合查询回答高度依赖于所选的三角范数，这对基础语义产生影响。

    Nov, 2021

  • FALCON: 基于ALC本体的神经语义蕴含模型

    使用模糊逻辑算子生成任意ALC本体的模型结构并使用多个模型结构计算语义蕴涵，FALCON可以实现对ALC本体的近似语义蕴涵，从而赋予神经网络世界模型和推理能力，提升生物医学领域中的机器学习。

    Aug, 2022

  • 当一个逻辑不够用：在OWL本体中集成一阶注释

    本文介绍了 Gavel，一种工具，支持异构FOWL本体的开发，其扩展了OWL本体，使用FOL注解，并能够推理出一组组合的公理。

    Oct, 2022

  • 预测原子候选OWL类公理的分数

    本文提出基于语义相似度的预测模型，用于快速准确地评估候选公理的可接受性，在自动架构归纳和本体验证等领域有着广泛应用。

    Dec, 2022

  • CatE：利用范畴论语义嵌入$\mathcal{ALC}$本体

    本文提出了一种基于范畴论语义学的机器学习方法，使用CatE投影生成本体公理图表示，并应用于多种任务，展示了其超越了其他本体嵌入方法的局限性，并在生物医学领域的机器学习任务中优于现有的模型论本体嵌入方法。

    May, 2023

  • 森林混合：研究多个搜索树和共享的精化汇集对本体学习的影响

    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

  • 自然语言推理和概念嵌入式本体补完分析

    本文介绍了一个用于评估本体完成方法的基准，并对两种方法的优势和弱点进行了深入分析。我们发现这两种方法确实相辅相成，混合策略取得了最佳的整体效果。我们还发现，即使经过微调，本任务对大型语言模型来说仍然具有很高的挑战性。

    Mar, 2024