Resource Description Framework
PulseAugur coverage of Resource Description Framework — every cluster mentioning Resource Description Framework across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
Cyc AI 项目结束，贡献者将本体迁移至 RDF
Cyc 项目，一项重要的早期人工智能研究项目，即将结束，其关键贡献者 Benjamin Rode 正在努力将其上层本体迁移到资源描述框架 (RDF)。这项迁移工作被描述为雄心勃勃，反映了原始 Cyc 项目的规模。该计划还提供了对早期人工智能研究社区的见解。
-
LLM 用于 RDF 数据集搜索：平衡检索有效性和忠实度
一篇新的研究论文探讨了使用大型语言模型（LLM）为 RDF 数据集生成元数据，旨在提高数据集的可搜索性。该研究评估了六种不同的元数据生成方法，评估了它们在检索方面的有效性以及它们对原始数据的忠实度。虽然无约束重写提供了最佳的检索收益，但牺牲了忠实度，表明搜索改进可能源于不受支持的语义扩展。更基础的方法增强了忠实度，其中配置文件约束重写在有效性和准确性之间取得了最佳平衡。
-
新西兰发布信息公开流程建模本体
研究人员开发了FOI-O，一个旨在对信息公开（FOI）请求相关流程进行建模和分析的新本体和验证框架。该系统专门针对新西兰的《官方信息法》，旨在梳理和阐明FOI请求记录中复杂的、常常混合了通信、系统状态和法律结果的数据。FOI-O提供了一种标准化方法来表示请求档案、事件和元数据，并支持JSON、Python、SKOS、OWL、RDF和SHACL等格式的配套资产，以及流程模型和导出示例。
-
LLM提取用户偏好用于知识图谱和推荐
研究人员开发了一种使用大型语言模型从对话数据中提取结构化用户偏好三元组的方法，旨在构建个人知识图谱（PKG）。该方法通过将提取的三元组链接到Wikidata标识符，将非结构化的“字符串”转换为语义化的“事物”。使用基于Qwen和Gemma的模型进行的评估表明，一些模型在语义提取方面表现良好，并在下游推荐任务中展现了实用性。
-
新框架DEC通过认知立场推理增强知识图谱
研究人员推出DEC，一个旨在通过将溯源声明解释为认知立场指标来增强知识图谱的新框架。该方法将声明分组到‘认知世界’中，并使用模态逻辑来推理归属内容，区分声明、解释和观察者无关的事实。已为Fuseki数据集实现了一个原型DEC推理器，支持受控事实化和明确的异议检测。
-
新方法在转换后推断属性图模式
研究人员开发了一种在新方法，用于在转换后推断属性图中的模式约束。该方法使用一种推理过程，该过程接受输入模式和转换查询以推断输出模式，而无需分析图实例。该系统将属性图映射到RDF，将ProGS映射到SHACL，并将G-CORE映射到SPARQL CONSTRUCT查询，从而能够通过高效的描述逻辑推理器进行模式推断。
-
人工智能实验 yields failures；语义学提供前进的道路
生成式人工智能导致了广泛的实验，但许多初步项目未能实现其承诺的投资回报。Lulit Tesfaye 通过将语义技术和 RDF 等标准集成到其企业架构中，帮助公司提高其人工智能能力。这种方法使知识资产的上下文化，使其更容易被机器访问和使用。
-
AI工具MetaConfigurator帮助科学家将JSON数据转换为RDF
研究人员开发了MetaConfigurator，一个AI辅助工具，旨在帮助科学家将结构化JSON数据转换为RDF（资源描述框架），以提高语义互操作性。该系统与现有的JSON Schema编辑器集成，并使用AI生成RML映射，允许用户精炼三元组、执行SPARQL查询和可视化知识图谱。这种方法旨在连接传统数据管理与语义网技术，使保存和查询实验上下文更加容易，如通过金属有机框架合成数据所证明的那样。
-
文化遗产数据转化为语义知识图谱
一位数据科学家详细介绍了使用RDF将静态XML数据转换为可互操作知识图谱的过程。该项目专注于来自穆尔西亚地区的文化遗产数据，旨在使其更具可复用性和语义智能性。该举措凸显了公共文化数据面临的挑战，这些数据通常缺乏潜在的知识模型。
-
研究人员探索递归SHACL的静态分析，用于RDF数据验证
本文介绍了一种递归SHACL文档静态分析的新方法，SHACL用于定义RDF数据的约束。研究探讨了验证一个SHACL文档的所有图也验证另一个图的决定性问题。研究表明，在支持和稳定模型语义下，该蕴含问题是不可判定的，但在良基语义下是指数级可判定的。