ontology
PulseAugur coverage of ontology — every cluster mentioning ontology across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究详细介绍了使用LLM助手进行本体验证的挑战
一篇新论文探讨了本体能力问题（CQ）验证中的挑战，该过程用于评估本体是否准确地模拟了其预期目的。研究强调，由于需要精确解释语言细微差别并与形式本体结构对齐，CQ验证通常耗时且容易出错。该研究让19名参与者使用LLM助手进行本体评估，揭示了需要工具来完善CQ并防止本体工程后期出现歧义或复杂性。
-
AI数据瓶颈、医疗应用及自主自动化进展 · 追踪4个来源
一份报告指出，生成式AI项目可能在2028年前超出预算，表明数据而非模型性能是金融AI应用的主要瓶颈。此外，AI正被开发用于解读心电图以预测心血管疾病，AI代理正迈向持续自动化时代。这些进展凸显了AI在金融服务、医疗保健及更广泛自动化战略等各个领域日益增长的融合。
-
KAPPS架构利用知识图谱实现循环制造
研究人员开发了KAPPS，一种专为循环制造系统设计的、新颖的知识驱动架构。该架构解决了在再利用产品中处理异构材料和动态过程的固有挑战。KAPPS利用本体驱动的知识图谱作为其核心数据骨干，实现了跨异构系统的强大集成、推理和通信。该系统还包括用于约束执行和事件驱动规划的模块，以适应不确定性下的执行计划并促进人机知识交换。
-
AI问题探讨生活中最难形式化映射的类别
用户正在询问在AI、知识表示和语义网技术的背景下，将生活的某些方面映射到形式化系统的难度。这个问题探讨了哪些生活类别在形式化表示方面最具挑战性。
-
LLM系统助力激光粉末床熔融中的可解释缺陷分析
研究人员开发了一种新的决策支持系统，该系统结合了关于缺陷的结构化知识和大型语言模型（LLM），用于分析和指导激光粉末床熔融（LPBF）制造中的缓解策略。该系统利用了集成本体的LLM，其中包含一个包含27种缺陷类型及其因果关系的知识库。它支持自然语言查询以获取缺陷解释和缓解建议，并包括一个多模态图像评估模块，用于解释缺陷图像。评估显示，集成系统取得了0.808的宏平均F1分数，展示了改进的一致性和可解释性。
-
GNNs 创建层级感知的知识图谱嵌入用于酵母表型预测
研究人员开发了一种新颖的方法，使用图神经网络（GNNs）为知识图谱创建层级感知的嵌入。该方法结合了源自本体的语义损失，以更好地表示领域知识。该方法应用于预测酵母表型，在双基因敲除实验中取得了 0.360 的平均 R^2 分数，优于基线模型。结合语义损失进一步将预测性能提高到 R^2=0.377，证明了本体结构在定量预测中的价值，并可能指导生物学发现。