Jan, 2024

机器学习与本体论的结合：一项系统文献综述

PDF
TL;DR整合归纳推理和演绎推理的过程，系统文献综述发现研究了机器学习和本体结合的文章，并将归纳推理（由机器学习执行）和演绎推理（由本体执行）结合到人工智能系统中。通过分析 128 项研究，我们找到了三个主要的机器学习和本体结合的类别：增强本体、语义数据挖掘、学习与推理系统，并强调了这些研究中使用的多种机器学习算法。此外，我们还将我们的分类与领域内类似的近期工作和神经符号方法进行了比较。
发现论文，激发创造
  • 知情机器学习 —— 将知识融入学习系统的分类与调查

    本文介绍了一个结构化的视角，讨论了先验知识在机器学习中的应用，阐述了先验机器学习的定义、概念和分类框架，并通过阅读相关研究论文总结了该领域的关键方法。

    Mar, 2019

  • 混合智能中的本体论：一篇简明文献综述

    本文旨在提供一个对混合智能的本体论应用和混合智能系统中本体论应用的批判性讨论，以减少人工智能和人类智能之间的差距，提高系统的质量和准确性，增强互操作性和透明度，并探索下一代混合智能环境的建立。

    Mar, 2023

  • 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 SWeMLS-KG 中描述和组织语义 Web 和机器学习系统

    本论文研究了语义 Web 机器学习（SWeML）系统，评估了其特征和趋势，并提出了一个本体分类系统。结果表明，SWeML 系统应用广泛，特别是在深度学习和知识图谱技术的推动下，呈快速增长趋势。

    Mar, 2023

  • 本体嵌入：方法、应用和资源综述

    本文系统回顾了本体嵌入领域的 80 多篇论文，介绍了本体的不同语义以及数学和机器学习的视角下的本体嵌入的定义和特性，并对几种技术解决方案进行了分类和分析，包括几何建模、序列建模和图传播等。此外，还介绍了本体嵌入在本体工程、机器学习增强和生命科学中的应用，并讨论了挑战和未来方向。

    Jun, 2024

  • 深度神经网络本体推理

    本研究采用最新的深度神经网络训练方法，成功开发出了一种模型，可以学会在基本本体论推理的形式下有效地进行逻辑推理，进而可以应用于许多现实世界中的问题，并且在各项实验中表现出高度准确和生物学上的可行性。

    Aug, 2018

  • 数字双胞胎中的本体论：一项系统性文献综述

    国内外最新研究表明，数字孪生是一种在物理系统中利用语义网络技术进行监测和推理过程的新概念。本研究通过对 82 篇研究文章进行系统的文献综述，分析了数字孪生中语义技术、本体论和知识图谱的应用情况，并针对制造业和基础设施等不同领域提出了可能的研究方向和尚待解决的问题。

    Aug, 2023

  • 将科学知识与机器学习相结合，用于工程和环境系统

    本文探讨了机器学习与传统基于物理模型的建模方法相结合解决复杂科学和工程问题的创新方法，总结了这些方法的应用领域，并描述了用于构建基于物理引导的机器学习模型和混合物理 - 机器学习框架的分类方法，提出了现有技术的分类方法，揭示了知识漏洞和不同学科间方法的潜在交叉点，可用作未来研究的思路。

    Mar, 2020

  • 自主学习者之路

    本文提出了一种新的理论方法，通过智能系统实现领域知识获取。我们介绍了一种混合模型，通过一个知识图谱数据库存储和推理最小输入知识，并通过逻辑神经网络学习新信息。我们研究了该系统处理新数据的行为，并展示最终系统能够丰富当前的知识并将其扩展到新领域。

    Nov, 2022

  • SyROCCo：利用机器学习增强系统性综述

    利用机器学习技术帮助系统性综述过程，开发一系列工具以分析与 “基于结果的合同” 主题相关的 1,952 篇出版物，结果显示机器学习技术在提高证据可达性和分析方面具有实用性，但需谨慎应用，克服其潜在的错误和偏差。

    Jun, 2024