- 支持多尺度分析和溯源的物质部分本体
本论文提出了一个部分物质本体论，涉及科学和工业领域的实际应用。该本体论是在统一基础本体论（UFO）的框架下开发的，使用数量的概念来表示拓扑最大自连接的物质部分。所提出的本体论引入了颗粒的整体性关系（granuleOf parthood re - 本体对心血管疾病预测的影响与机器学习算法的比较
心血管疾病在研究中采用机器学习和本体论方法进行分类和性能评估。
- 知：用于大型语言模型知识捕捉的实用本体论
我们介绍了知识导航本体（知识世界导航本体），这是第一个旨在捕捉日常知识以增强大型语言模型（LLM）在个人 AI 助手等实际生成 AI 应用场景中使用的本体。我们的领域是人类生活，包括日常关注和重要里程碑。我们仅模拟既定的人类普遍性概念：时空 - 法律数据挖掘中的人工智能（AI）
利用本体论组织法律信息，特别是知识产权的印度法院案例，以解决法律数据结构化和理解困难的问题。
- 大型语言模型的基于本体的符号知识捕获
使用本体和知识图谱方法从用户提示中捕获个人信息，通过使用具有建模个人信息的知识本体的子集训练语言模型，并评估使用特殊构建的数据集捕获知识的成功。
- KnowledgeHub：辅助科学发现的端到端工具
该研究描述了 KnowledgeHub 工具，一种科学文献信息提取和问题回答的流程，通过支持将 PDF 文档转换为文本和结构化表示，以构建本体论，并使用基于浏览器的注释工具对 PDF 文档的内容进行注释，然后通过训练命名实体识别和关系分类模 - 通过 Riskman 本体与形状对医疗设备进行风险管理
我们引入了 Riskman 本体和形状，来表示和分析有关医疗设备风险管理的信息。我们的方法有潜力为制造商和通知机构节省大量的人工工时，从而为医疗保健和整个社会带来巨大好处。
- 经由认知依赖进行控制的查询评估
我们在本文中提议使用认知依赖来表达控制查询评估（CQE）中的数据保护策略，这是一种对本体和数据库进行保密的查询回答形式。所得到的策略语言在 CQE 领域的文献中显著超越了先前的提议，允许非常丰富和实际上有趣的数据保护规则形式。我们展示了我们 - 职业本体论中的证书
本研究首次对证书和相关内容进行系统本体建模，旨在支持未来的证书数据和知识整合。
- CVPRMoDE: 通过聚类实现 CLIP 数据专家
使用混合数据专家（MoDE）方法提高神经网络 CLIP 在零样本图像分类任务上的性能，通过聚类学习多个数据专家，使用元数据与聚类条件的相关性确定权重进行模型集成。
- 成本高效学习的交互本体匹配
本研究通过引入适用于本体匹配的主动学习方法 DualLoop 解决最后一英里问题，其中包括可调节的启发式匹配器、适应高度不平衡数据的短期学习器和创建调整新启发式方法以探索潜在匹配的长期学习器。通过在三个不同规模和领域的数据集上评估 Dual - 基于语言模型的本体中新概念定位框架
使用语言模型将从文本中提取的新概念插入本体的任务中，我们探索了一种三步骤的方法：边缘搜索，边缘形成和丰富，边缘选择。在所有步骤中，我们提出利用神经方法，其中我们应用基于嵌入的方法和 BERT 等预训练语言模型的对比学习进行边缘搜索，并采用基 - MM评估用于 OWL 2 QL 的元推理的 Datalog 工具
本篇论文研究了基于 OWL 2 QL 和 Metamodeling Semantic Entailment Regime (MSER) 的 Metamodeling 语义，并使用不同的逻辑编程工具实验确定它们对 MSER 查询的适用性。
- 社交网络分析中基于本体的多领域模型：实验证实和案例研究
使用社交网络理论和分析方法应用于不同领域，本研究提出了一个多领域知识模型，能自动收集数据并在不同领域执行社交网络分析，消除了专家在分析过程中可能出现的错误，并获得与专家得出的相同结论。模型用 OntoSNAQA 本体来表示，包括人员、问卷和 - Sandra—— 基于描述和情境的神经符号推理器
这篇论文介绍了一种名为 sandra 的神经符号推理器，它将向量表示与演绎推理相结合。Sandra 利用本体论建立了一个向量空间，并对其进行推理。该推理器的几何性质使其能够与神经网络结合，弥合了符号知识表示与神经网络之间的差距。通过描述和情 - SSDOnt：用于表示单一受试设计研究的本体
SSDOnt 是一种特定目的本体论，用于描述和注释单一受试者设计研究，以便之后可以对其进行复杂的问题提问。
- 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 - 情感框架本体论（EFO）
我们提出了一种基于 OWL 框架的情感本体论，Emotion Frames Ontology (EFO)。该本体论将情感视为语义框架，并采用一组语义角色来捕捉情感体验的不同方面。EFO 遵循基于模式的本体论设计，并与 DOLCE 基础本体论 - TONE: 一种用于情绪分析的三层本体
本研究提出了基于 Gerrod Parrot 博士情绪群体的 TONE 情绪本体论，通过半自动化词汇构建过程和自动化方法建立不同情绪之间的联系，开发出可应用于情绪分类的知识基础，并展示了本体论的质量和适用性。
- 智能城市中环境多 agent 系统的本体论
对于智能城市的发展，本文提出了一个以 OWL 格式的本体论描述物体基础设施、多智能体系统的组织以及根据系统用户需求提供个性化服务的关联，该本体论在解决残疾人士智能出行问题上得以应用，并可用于其他智能城市领域。