Sep, 2023

从以 OTTR 为中心的本体工程方法中获得的洞察

PDF
TL;DR用 OTTR 模板表示本体模型模式，通过实例化模板来构建本体或知识库，隐藏了本体表示语言的特定性，使本体工程师能够从某种程度上将信息建模的决策与信息建模的方式（例如，使用哪些设计模式）的决策分开，可以延迟某些决策以便更专注于这些过程，本文概述了我们在材料科学领域的本体工程活动的方法论和研究结果，OTTR 模板在这些活动中起着关键作用，我们的本体工程过程自下而上，从现有数据进行建模活动，然后通过模板将数据输入到知识图中，同时也是自上而下的，首先关注要建模的数据，将数据建模的方式推迟，我们发现，OTTR 模板在与领域专家进行沟通方面特别有用，此外，由于 OTTR 模板封装了建模决策，工程过程具有灵活性，意味着设计决策可以以很小的代价进行更改。
发现论文，激发创造
  • OntoChat：一种使用语言模型进行对话本体工程的框架

    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

  • 科学技术本体论：新兴主题的分类

    该研究介绍了一个包含科学技术领域中非传统主题的自动化科学技术本体，并通过连接不同领域和专业之间相关或具有共性的主题来促进跨学科研究与合作。使用从 2021 年 10 月到 2022 年 8 月从语义学者 (Semantic Scholar) 收集的 393,991 篇科学文章构建 S＆TO。目前，S&TO 划分了四个科学领域中的 5153 个主题和 13155 个语义关系，可以通过对更新的数据集运行 BERTopic 来更新模型。

    May, 2023

  • OTTers：针对开放领域对话的一轮主题转换

    本研究旨在探索开放域对话中 “一轮话题转换任务” 的实现方式，收集人类完成该任务的数据，在此基础上，通过应用现有的文本生成模型，评估它们在这个任务上的表现效果。

    May, 2021

  • ExtruOnt：一种用于描述工业 4.0 系统中一种类型的制造机械的本体

    本文介绍了建立一种描述制造机器的本体论（ExtruOnt）的开发工作，该本体论针对一种名为挤出机的制造机器进行描述。虽然本体论的范围仅限于具体领域，但它可以作为在工业 4.0 场景中描述制造机器的其他本体论开发的模型。ExtruOnt 本体论的术语提供与挤出机相关的不同类型的信息，这些信息反映在构成本体论的不同模块中，包括用于描述挤出机组件、空间连接、特征和这些组件的 3D 表示以及用于捕获该类型机器性能指标的传感器。本体论的开发过程与领域专家密切合作进行。

    Jan, 2024

  • 计算最优输运

    本短篇论文着重回顾了优化输运相关理论（Optimal transport theory）及其在数据科学中的应用，重点在于阐述其针对分类、回归、密度拟合等机器学习等领域的优势，介绍了它的数值方法，并介绍了一些学术性质。

    Mar, 2018

  • 大型语言模型指导下的思维树

    本文提出了 Tree-of-Thought (ToT) 框架，它通过试错的思路来改进自回归大语言模型的问题解决能力。通过增加提示、检查、记忆和控制等模块来实现 ToT 系统。为了验证该技术的有效性，我们基于 ToT 设计了解决数独难题的求解器，实验结果表明，ToT 框架能够显著提高数独难题的成功率。

    May, 2023

  • 人类灵感的拓扑表示在未知环境中的视觉目标识别

    在未知和杂乱的室内环境中，视觉物体识别对于移动机器人是一个具有挑战性的问题。为了实现这一目标，我们扩展了以前的工作，提出了 TOPS2 描述符以及伴随的 THOR2 识别框架，受到对象统一的人类推理机制的启发。我们通过使用 Mapper 算法获得的颜色嵌入与基于形状的 TOPS 描述符交替，以获得 TOPS2 描述符。使用合成数据训练的 THOR2 在两个真实世界数据集（基准 OCID 数据集和 UW-IS Occluded 数据集）上实现了显著更高的识别准确性，优于基于形状的 THOR 框架和 RGB-D ViT。因此，THOR2 是实现低成本机器人中稳健识别的一个有希望的步骤。

    Sep, 2023

  • 金属增材制造缺陷检测本体

    本文介绍了如何将本体论应用于高级制造服务中，以解决数据集成、语义互操作性问题以及监控和决策任务，并提供了一个针对金属添加制造文献中已知的过程性缺陷的本体，并与现有的本体进行整合，从而扩展了本体在增材制造领域的建模能力。

    Sep, 2022

  • OWL：用于 IT 运营的大型语言模型

    我们介绍了 OWL，它是一个在包括各种 IT 相关信息的 OWL-Instruct 数据集上训练的大型语言模型，提出了混合适配器策略以改进跨不同领域或任务的参数效率调优。此外，我们评估了 OWL 在我们建立的 OWL-Bench 和开放的 IT 相关基准上的性能，并展示了它在 IT 任务上超出现有模型显著。希望我们研究的发现能够为通过专门的大型语言模型革新 IT 操作技术提供更多深入见解。

    Sep, 2023

  • OntoSeer -- 提高本体质量的推荐系统

    提出 OntoSeer 工具来改善本体论建设过程的质量，包括名称约定，词汇复用，ODP 实现和公理的添加，并作为 Protégé 插件进行实现。

    Feb, 2022