- 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 - 面向本体增强的大型语言模型表示学习
通过注入本体知识来改进嵌入式大语言模型(embedding-LLM),本研究利用广泛的本体使用和基于对照学习框架,通过医学疾病本体的生物医学文档,展示了提高嵌入式 LLM 在描述疾病领域中的相似性评估能力的实验结果。
- 高效的生物医学实体链接:低资源技术下的临床文本标准化
通过学习实体的同义词对,我们提出了一种用于临床文本标准化的方法,通过关联多个术语,从而显著减少训练数据和资源消耗,并引入了基于上下文和无上下文重排序技术进行实体消岐。在最大的 UMLS 标注数据集 Medmentions 上,我们的方法表现 - 数字孪生的基础
基于常用核心本体论的数字孪生特征及其与本体论的相关设计模式,为数字孪生领域提供定义和设计模式,并通过实例应用案例对数字孪生及其实际对应物进行了重点阐述,为进一步构建与数字孪生相关的更复杂本体论内容提供基础。
- 通过自动化知识图生成和丰富加速医学知识发现
医疗知识图谱自动化 (M-KGA) 是一种创新方法,通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强,以整合预训练嵌入向量,从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法,以发现知识图谱中隐藏的连接 - 大型语言模型作为实例化具有特定领域知识的本体的预言机
使用大型语言模型自动填充本体论与领域特定知识,通过查询模板生成实例,从而快速丰富本体论。
- 从人类专家到机器:一个基于 LLM 的本体和知识图构建方法
利用开源 LMMs 进行(半)自动化构建知识图谱的可行性研究以及深度学习方法的知识图谱构建
- 基于 HOLonym-MEronym 的语义检查技术用于卷积图像分类器
提出了一种名为 HOLMES 的技术,利用本体论、网络爬虫和迁移学习自动构建基于部分的探测器,通过遮挡图像来突出显示每个部分对分类输出的重要性,并在不依赖于密集注释数据集和将概念与单个计算单元关联的情况下,提供关于 CNN 在何处以及何物上 - LLM 们幻想本体工具吗?
大型语言模型能够部分地记忆本体论概念,并且记忆程度与概念在网络上的普及程度成正比。本研究还提出了新的度量方法,通过测量在不同提示重复、查询语言和确定性程度下产生的输出的一致性来估计语言模型中本体论信息的记忆程度。
- IJCAI通过融合外延和内涵知识进行本体嵌入
我们提出了一种名为 EIKE(扩展和内涵知识嵌入)的新颖本体嵌入方法,通过在扩展空间和内涵空间表示本体,应用基于几何的方法来建模扩展知识,并利用预训练语言模型来建模内涵知识,可以捕捉结构信息和文本信息,实验结果表明,EIKE 在三个数据集上 - 机器学习与本体论的结合:一项系统文献综述
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 - 动态检索增强的人工智能本体生成(DRAGON-AI)
应用大型语言模型和增强生成检索技术,我们提出了 DRAGON-AI(动态检索增强本体生成),这种本体生成方法可以从现有知识和非结构化文本源中提取文本和逻辑结构的本体组成部分。我们通过对十个不同的本体进行了广泛的手动评估,证明了 DRAGON - 大型语言模型是否能补充医学本体中缺失的概念和关系?
使用大型语言模型扩展本体的方法在临床实践指南中探索新的医学概念关系,展示了潜在的初步实验结果和未来改进方向。
- 关于可解释人工智能中本体论的多重作用
本文讨论明确的知识,特别是本体论在可解释的人工智能和人类中心的可解释系统及可理解解释的发展中所起的不同角色。我们考虑到本体论在参考建模、常识推理和知识完善与复杂性管理方面能够做出的显著贡献,并概述了一些现有的方法,将它们与这三个提出的视角进 - 应用数学及相关学科中的模型和算法本体论
使用本体论的方法,将应用数学中的建模 - 仿真 - 优化工作流的数学模型和数值算法表示出来,以构建 FAIR 数学研究数据。通过介绍多孔介质微裂纹分析的具体例子,展示了本体论如何表征基础数学模型及其相应的数值算法。
- 探索大型语言模型作为机器人的常识知识来源
本研究使用大型语言模型(LLMs)研究了服务机器人需要常识知识帮助人类在日常情境中,以便他们理解其行为的上下文。实验揭示了在选择性提取情境行动知识方面的有限效果,表明单独使用 LLMs 可能不足够。然而,大规模提取一般性、可行性知识显示出潜 - 自动本体匹配中的不确定性:经验实验的教训
本文从应用角度探讨了基于本体匹配的数据集成问题,通过实际数据和现有工具的支持进行实验,发现自动本体匹配过程中存在的错误和不确定性,探索了半监督方法在更广泛应用中的成熟性和不确定性管理方面的前景
- 从以 OTTR 为中心的本体工程方法中获得的洞察
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 - AstroPortal: 天文学、宇航学和其他空间主题的本体库概念
本文描述一个天文学、宇航学和其他与空间相关主题的本体库,可以称为 AstroPortal(或 SpacePortal)、AstroHub(或 SpaceHub)等。该存储库适用于学术、研究和其他数据密集型领域,与空间科学(包括天文学)、地球 - 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