XiaoMi-AI文件搜索系统
World File Search SystemOnto
基于本体的知识图，用于供应链和操作映射⋆
21世纪见证了供应链（SC）转变为复杂的全球网络。虽然对世界经济至关重要，但这些SC仍然容易受到暴露透明度，沉默和效率挑战的中断[7，4]。除了技术进步之外，公司必须解决有关数据共享的知名度有限，大数据复杂性，技术技能障碍和信任的问题[8，1，5]。知识管理概念（例如知识图）通过系统地组织信息来提供有希望的解决方案。研究证明了各种SC应用中知识图的潜力，包括动力设备，铁路运输和半导体行业[13、9、11]。本文提出了一个知识图，该知识图带有本体论主链，用于支持链和操作映射。所提出的方法首先定义控制知识图的本体，并充当其工作的一种元模型。在查询效率，可解释性和简单性方面，将方法与典型的数据存储解决方案进行了比较。提议的
霓虹灯：一个大型语言模型动力的本体学习管道⋆
摘要。我们通过将结构化的霓虹灯方法框架与大语言模型（LLMS）相结合，以将自然语言域描述转化为Tur-The语法本体，以解决本体学习的任务。本文的主要贡献是针对域 - 不稳定建模量身定制的及时管道，例如通过应用于特定领域的案例研究：葡萄酒本体论。使用管道用于开发霓虹灯-GPT，一种自动本体模型的工作流程及其概念实现的证明，并集成在隐义平台的顶部。NEON-GPT利用了霓虹灯方法和LLMS生成型的系统方法来促进更有效的本体发展过程。我们通过使用斯坦福葡萄酒本体论作为黄金标准进行全面评估来评估所提出的方法。获得的结果表明，LLM并未完全能够执行本体开发所需的程序任务，并且缺乏所需的推理技能和领域专业知识。总体而言，LLM需要与连续知识工程任务的工作流或轨迹工具集成。尽管如此，LLMS可以大大减轻所需的时间和专业知识。我们的代码基础可公开用于研究和开发目的，可访问：https：//github.com/andreamust/neon-gpt。
通过本体授权电池数据管理 -
在新的可持续和绿色能源时代，摘要开发电池本体来代表电池管理知识至关重要。由于电池生产收入预计到2030年每年将超过3000亿美元，研究人员正在探索新的电池材料，型号，标准和制造过程。AI和ML方法正在用于管理电池制造并提高性能。数据表示技术和格式对于增强电池数据的表现力和提高电池质量很重要。本文提出了一个本体，用于创建电池知识图，以解决数据互操作性挑战并在不同参与者之间共享电池数据。电池本体论包括各种类型的知识，例如域知识，电池应用和核心电池特定的知识。通过能力问题和可用性测试评估本体论。它旨在通过促进电池管理系统和应用之间的有效通信和数据交换来增强电池的生产和设计。这项研究具有重大的社会，经济和环境影响，因为它有助于开发更有效和可持续的电池。
的本体论建模和对机器人计划的比较和对比叙述的推理
这个扩展的摘要着重于建模和推理竞争计划的方法的方法，以便机器人以后可以解释不同的结果。首先，确定了一个新颖的本体论模型，该模型赋予了机器人形式化和有关计划差异的原因的需求。然后，提出了一个新的本体论，以促进计划的分类（例如，最短，最安全，最接近人类偏好等）。最后，检查了基于本体的解释叙事的基线算法的局限性，并引入了一种新颖的算法来利用计划之间的不同知识，从而实现了对比的叙述。进行了经验评估，以评估拟议算法提供的解释的质量，该算法的表现优于基线方法。
基于本体的糖尿病营养疗法的决策支持系统：系统文献评论
糖尿病是一种非传染性疾病，已达到流行病，全球影响5.37亿人。人工智能可以在糖尿病营养疗法中为患者或临床医生提供支持 - 在大多数1型和2型糖尿病的情况下，第一种药物疗法。尤其是基于本体的推荐人和决策支持系统可以提供专家知识的可计算代表，从而提供患者监管的营养建议或支持临床人员确定最合适的饮食。这项工作提出了对描述此类系统中糖尿病的领域的系统文献回顾，识别其潜在的概念化，系统针对的用户，所解决的糖尿病类型以及提供的营养建议。本综述还深入研究了领域本体论的结构，突出了几个方面可能会阻碍（或促进）其在推荐人中的采用和决策支持系统中用于糖尿病营养疗法。这一审查过程的结果允许强调如何制定推荐，以及临床专家在发展领域本体论中的作用，概述了表征该研究领域的研究趋势。结果还允许确定可以促进临床专家和临床指南的重要作用的研究方向，以使本体更加可互操作，从而使他们能够在有关糖尿病营养治疗的决策过程中发挥重要作用。
polynere：一种新颖的本体论和语料库，用于聚合物科学领域中指定的实体识别和关系提取
抽象聚合物被广泛用于不同的领域，并且对提取和组织信息的有效方法的需求正在增加。使用机器学习的自动化方法可以准确地从科学论文中提取相关信息，从而为使用带注释的培训数据提供了一种有希望的解决方案，以自动化信息提取。在本文中，我们引入了一个与聚合物相关的本体论，该本体论具有至关重要的实体和关系，以增强聚合物科学领域的信息提取。我们的本体论是可以自定义的，以适应特定的研究需求。我们提出了Polynere，一种高品质的命名实体识别（NER）和关系提取（RE）语料库，其中包括使用我们的本体学注释的750个聚合物摘要。Polynere的独特特征包括多种实体类型，关系类别，对各种NER设置的支持以及在不同层面上主张实体和关系的能力。Polynere还通过支持证据来促进RE任务中的推理。我们的最新高级方法实验取得了令人有希望的结果，但挑战持续将NER和RE从摘要调整为全文段落。这强调了在聚合物域中需要强大的信息提取系统的需求，这使我们的语料库成为未来发展的宝贵基准。
antofact：通过本体驱动的强化学习揭示了LLM的奇妙事实 - 骨骼
大型语言模型（LLM）表现出了信息检索的熟练程度，而它们容易产生与现实冲突的不正确反应，这种现象被称为固有幻觉。关键挑战在于经过大量数据训练的LLM中不清楚和不可靠的事实分布。vreva-liment方法将事实检测任务视为一个问题 - 回答范式，在其中询问了LLMS有关FACTUAL知识并检查正确性的问题。但是，研究主要侧重于仅从几个特定领域（例如电影和运动）中得出测试用例，从而限制了对知识缺失的全面观察和对意外幻觉的分析。为了打扮这个问题，我们提出了构造，这是一个自适应框架，用于检测LLM的未知事实，致力于挖掘缺失知识的本体论级骨架。特定说明，我们认为LLM可以在缺失的事实中公开基于本体的相似性，并将五个代表知识图（kgs）作为基准。我们进一步设计了一种复杂的本体驱动的强化学习（ORL）机制，以自动与特定实体和关系产生易错的测试用例。Orl Mechamenism奖励KGS朝着可行的方向导航，以揭示事实错误。此外，经验努力表明，无论是否包括这些知识，主导的LLM都倾向于回答是的，而不是否定。使用32个代表性LLM的5个数据集上的实验结果表明，当前LLMS总体上缺乏事实。为了减轻LLM的过度自信，我们利用了无幻觉检测（HFD）策略来解决基线之间的不公平比较，从而提高了结果的稳健性。值得注意的是，CHATGPT在DBPEDIA上的事实错误率分别为51.6％，Yago的错误率分别为64.7％。另外，ORL机制显示出令人鼓舞的误差预测分数，大多数LLM的F1分数范围从70％到90％。与详尽的测试相比，ORL的平均召回率为80％，同时将评估时间降低35.29％至63.12％。
在功能上的应用是Crryptograph
摘要在分析理论中摘要函数的概念起着非常重要的作用，并且在许多工程和科学技术中都具有丰富的应用。在本文中，我们通过在代数结构（如环和字段）上使用函数来获得强大的加密技术，从而在密码学领域提出了一个新应用。使用两个键和次级键的功能开发了基于Hill Cipher的新的对称加密系统，以增强安全性。这是使用在功能上开发的密码学中的第一种算法，可确保系统的强大安全性，同时保持现有的山丘密码的简单性。使用两个键的概念在对称钥匙密码学中也很新颖。在加密技术中使用到功能的用法最终给出了算法的最高安全性，该算法已通过不同的示例进行了讨论。原始的Hill Cipher在当今的技术中已过时，并且是教学目的，但是这种新提出的算法可以安全地用于当今技术。还讨论了来自算法的不同类型攻击的漏洞和关键空间的基数。
D7.5 - 根据欧洲建模社区标准发布的电池界面本体论
电池研究和创新面临持续的挑战：缺乏一致的术语和标准化框架来描述电池数据，材料，单元和接口。为了促进跨学科和行业的合作，清晰而普遍的语言对于有效的沟通和数据互操作性至关重要。battinfo（电池界面本体论）通过建立一个常见的词汇和结构来表征电池接口，从而调查了这一挑战。它旨在弥合各种研究社区之间的差距，并促进电池和材料科学领域的无缝数据互操作性。与基本的多效材料本体论（EMMO）一致，Battinfo寻求与其他材料本体论的兼容性和连贯性，从而促进了统一的材料科学本体论发展方法。battinfo可作为github上的开源软件资源提供：https：//github.com/big-map/battinfo。也可以使用Emmontopy 1软件包从Python访问，以与EMMO和相关域本体作用。本报告讨论了根据EMMO标准发布Battinfo的过程，强调了清晰，基础语言在启用电池研究和开发中的协作，创新和知识交流方面的重要性。
探索用于支持C2SIM自主系统本体扩展开发
•命令和控制系统 - 仿真系统互操作：SISO-STD-019-2020，指挥和控制系统标准 - 仿真系统互操作[包括标准军事扩展（SMX）]。SISO-STD-020-2020，命令和控制系统的土地运营标准标准 - 仿真系统的互操作。•C2SIM指南产品：Siso-guide-010-2020，指挥和控制系统指南 - 仿真系统的互操作。•在SISO网站上可用：标准：https：//www.sisostandards.org/page/standardsproducts（滚动符合编号标准）指南：https：//www.sisostandards.org/page/page/page/page/pasgage/pastage/standardsproducts（Scroll to scroll to the nubrance divance divance divance divance divance）