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

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

我们提出了有界模型语义的概念，作为解决宽范围有限模型推理任务的方法，包括满足性和公理蕴含性等，同时利用 ASP 翻译支持模型抽取和枚举，最终通过 “标签外用” 实现了对高级语义 Web 建模环境的利用。

Nov, 2015

使用逻辑推理器自动分析包含多个类、对象和状态图的 UML 模型的一致性和可满足性。通过将 UML 模型转换为 OWL 2, 实现了一个工具链，不需要设计者了解 OWL 2 及其推理器。

May, 2022

通过自然语言导向的编程 (NLOP) 将软件需求和逻辑表达为自然语言，该方法简化了开发过程，降低了非专业人士参与软件项目的门槛，并加速了开发周期、增强了协作效果，并减少了需求规范中的误解。通过对各种编程模型的评估，本文强调自然语言将成为新的编程语言，并说明了 NLOP 如何促进软件工程的包容性和创新，从而改变软件工程的格局。

Jun, 2024

通过自动将自然语言句子转化为描述逻辑，我们使用大型语言模型将自然语言句子转换为 OWL 功能语法，用于丰富本体论，并通过人类监督的方式提供该工具作为 Protge 插件。

Jul, 2023

本研究旨在克服 DL-Lite_R 的局限性，并将 OBDA 扩展到更具表现力的本体语言，同时利用基础关系技术进行查询回答，通过保守重写和逼近的机制，重写具有表达力的本体规范为 DL-Lite_R 规范，利用映射层的高表达能力来捕获丰富本体语言的部分领域语义，该技术已在 OntoProx 原型系统中实现，并在合成和真实世界数据的实验中展示了其可行性和有效性。

Nov, 2015

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

基于本文提出的新方法，规划专家和本体专家可以分别处理规划规范和本体，并通过接口进行关联，从而实现对本体引导的规划问题的优化处理，以支持整个 OWL DL 片段。

Aug, 2023

本文介绍了 OONP 框架 —— 面向对象的神经编程，用于将特定领域的文档进行语义分析并将其解析为反映文档领域特定语义的预定义面向对象数据结构。OONP 解析器通过神经网络模型将语义分析建模为决策过程；在读取文档时会逐步构建和更新中间本体以总结对其覆盖文本的部分理解，并支持一系列符号和可微分的操作以及符号和可微分的列表形式。OONP 解析器可以受不同形式和强度的监督训练，包括监督学习（SL）、强化学习（RL）和两者混合。实验结果表明，OONP 可以学会处理使用中等规模的训练数据生成的相当复杂的本体。

Sep, 2017