改善研究数据的 FAIR 性（可找性、可访性、互操作性、可重复性）的重要性不容忽视，特别是在当前由组学技术产生的大规模复杂数据集面前。本篇综述介绍了与基础植物科学相关的本体论术语，并说明了如何使用这些术语来注释与植物特定实验相关的数据，在元数据框架（如 ISA）中标记植物科学相关数据。同时，还介绍了用于确定适用本体论或查找本体论术语的资源库和平台。

Aug, 2023

本文提出了本体领域逐步建模过程中出现的概念纠缠现象以及相应的多级概念建模策略 “概念解缠”，该策略通过引导原则在五个层次上实现了语义双射，从而实现了本体领域的概念化解缠。同时，简要阐述了为什么现有的本体领域建模方法和方法论对于本文的表述是不充分的。

Mar, 2023

本文介绍了领域本体模型的现状，指出存在在本体概念语义持久性和重用性以及现有基础本体中顶层概念的难以理解和重用造成领域表示的混淆等问题，并提出了利用解决方案（一）和（二）来发展多样性、可重用性的领域表达的灵活、重用型方法的三重解决方案，包括呈现概念的流水线、具有静态和动态语义质地的最小基础知识模型及考虑多样性的领域表达的方法。初步探索结果证实了这些解决方案的潜力。

Aug, 2022

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

该研究探讨了社会技术话语中的关系问题，即语义模糊、概念之间缺乏明确关系和不同的标准术语这些根本本体论问题。作者提出了一个概念框架来组织概念，包括操作性，认识论和规范方面，以帮助开发适当的指标、标准和机制，促进机构 AI 系统的研究和采用。

Mar, 2023

本研究提出一种大规模系统，将科学出版物组织成层次化概念结构，建立了包含超过 20 万个概念和 100 万以上关系的跨领域科学概念本体论。

May, 2018

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

本文研究了通过自然语言描述进行搜索的问题，结果发现人们命名部分概念存在信息理论抉择，偏向能够简明描述每个对象，同时最小化词汇量。

May, 2022

本篇论文旨在开发一种新颖的域独立自动本体生成框架，将非结构化文本语料库转换为与领域本体一致的形式，该框架从非结构化文本语料库生成知识图谱，并对其进行精细化的改进和纠正，以达成动态特征与本体质量特征的有机结合。

Jan, 2022

该论文描述了一种扩展一阶逻辑的方法，使方案更加容易修改，并引入了一个保护机制来保证公式的正确性，同时将该方案应用于四个不同问题领域的知识表示中。

Feb, 2022