XiaoMi-AI文件搜索系统
World File Search SystemOntology
文本到owl：使用生成ai
摘要。本文提出了一种建立本体论的方法，以改善结核病的治疗建议（TB），特别是使用GPT-3等生成语言模型，尤其是在Burkina Faso中抗多药的结核病（MDR-TB）病例。目的是根据患者的概况和耐药性来促进治疗的个性化。探索了两种方法：一种基于Davinci GPT-3模型的自动化方法，该方法使用文本提取和自然语言处理（NLP）技术从自然语言句子中产生猫头鹰公理，并采用半自动化方法。自动化方法通过数据集进行了微调，该数据集由有关结核管理的技术指南组成。自动化方法创建了一个本体，由158个类，55个对象属性和57个数据支持组成，从效率和准确性方面优于半自动化方法。使用Protégé验证了所产生的公理，并将其集成到形式的知识库中。这项研究表明，诸如GPT-3之类的语言模型的使用可以有效地自动化本体论的生成，减少人类干预。这种方法特别适合管理复杂的MDR-TB病例的管理，并为治疗建议的标准化铺平了道路，同时还可以适应本地特异性。
基于本体的检索增强发电（RAG）用于Genai支持的添加剂制造
常规数据分析通常无法捕获添加剂制造（AM）过程的复杂背景，从而导致尖锐的解决方案和次优的分析结果。生成人工智能（Genai）模型（例如大语言模型（LLM））的性能在很大程度上取决于它们整合和背景培训的大量数据的能力。但是，情境化通常是由消耗的数据直接驱动的，而不一定基于基本真理。为了解决这个问题，提出了一种基于本体的检索增强发电（RAG）方法，以增强Genai产生相关提示和答案的能力。Genai通过利用结构的本体论来识别和应用相关背景，从而产生准确而有见地的解释。用例展示了拟议的基于本体的RAG框架如何运作以提供上下文感知的AM数据分析，这些数据分析可以通过执行AM数据分析时通过基本真理来促进分析透明度。
认知本体论在认知同源性方面：大脑的作用，
图3示意图（改编自Difrisco，Love and Wagner，2020）的“配对gnathostome附属物”。脊椎动物胚胎中肢体芽的发育先于配对附属物的发展（例如鳍和四肢）。双向箭头示意性地描述了组织类型之间的局部激素驱动的相互作用；肢体发育由四个肢体芽中的四个信号中心精心策划。此处包括两个最著名的信号中心，作为带有信号梯度的箭头。ZPA建立了肢体的前后组织组织，AER建立了近端组织。这些信号传导中心形成了一个复杂的，有因果关系的，共同决定肢体身份的必要机制。他们的活动是相互依存的，相互加强（Difrisco，Love and Wagner，2020）。CHIM的上游（其因果“输入”）是相对未分化的，宽松的中胚层胚胎组织； CHIM的下游（其因果“输出”）是具有可识别的组织类型和肢体组织的结构。然后通过进一步的过程来修改这种基本的肢体结构，以确定可能的肢体表型，例如上面讨论的五达乙酰基前肢表型。
论消耗战：战争本体论
威廉·林德 (William Lind) 等作家认为，消耗战是一种战争形式。3 根据林德的说法，消耗战以牺牲机动性为代价，使用火力来减少敌方战斗人员的数量。林德和他的同事们进一步指出，其他类型的战争利用火力和机动性为对手创造意想不到的危险局面。4 爱德华·鲁特瓦克 (Edward Luttwak) 持几乎相同的观点，他写道，“消耗战”以牺牲更多以机动为中心的战争方式为代价，创造了对火力的过度依赖。5 在经常被引用但有缺陷的《奔向迅捷：对二十一世纪战争的思考》一书中，理查德·辛普金 (Richard Simpkin) 将机动和消耗战置于对比的悬置位置——将每种理论视为另一种理论的对立面，并断言前者远远优于后者。6
代表中级能量本体论中的能量（...
能量在我们周围的物理世界和我们的日常生活中无处不在：所有自然和技术过程均由能量驱动。一些例子是：我们的身体从我们吃的食物中获取能量，我们的计算机需要电能来源才能发挥作用，并且植物需要阳光才能进行光合作用。能量是科学中的核心概念，尤其是物理，化学和生物学及其应用。这也是工程和技术问题的主要主题。尽管能量在许多领域都起着至关重要的作用，但其本体论代表也对质疑开放。正如我们将在第2节中讨论的那样，不同的领域本体论代表了不兼容的方式。可以通过考虑以下有关能源的陈述来说明原因，至少 - 表面上 - 似乎都是正确的。
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。
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。