2012，梦太长，我忘了真假。

最近在考虑两个点的工作，分别是模糊本体和本体对齐，但都处于比较卡壳的状态的。

此文章发表在MTSR2024会议，主题和能力问题有关，另外结合了RAG。

此为2011年的文章，比较早了。但是指出了规范化的模糊本体表示，还是在OWL2的基础上进行扩展的，我要想知道模糊领域本体的表示，需要先搞清楚这个Fuzzy OWL 2具体是什么样的。

此为预印本文章。

模糊本体的局限性: 虽然提出了模糊本体（Fuzzy Ontologies）来利用模糊逻辑处理模糊和不精确的知识，弥补了标准本体的局限性 ，但它们仍然无法处理概率性知识，而这在大多数现实世界的应用中是一个重要特征。现实世界的挑战: 许多领域的现实问题中，模糊、不精确和概率性知识通常同时出现，例如，在医疗领域，一个事件发生的可能性可能取决于一个模糊值（例如：“血压非常高”是模糊的，“很可能患有心脏病”是概率性的）。很多本体的验证文章，就是跑案例。该文章使用的是一个分类任务，在一个肾病的数据集上。

文章讲使用威胁情报进行网络风险监控，所使用的方法是基于本体的方法。这个文章之前解读过，这次再增加一些解读。

文章讲恶意软件威胁情报本体。

文章直指安全本体应用，预设场景为网络物理系统（Cyber-Physical Systems）。

其二，与独立开发的现有网络安全本体相比，UCO已映射到一些现有的公开可用的网络安全本体，以促进本体共享，集成和重用，UCO是连接网络安全本体的主干；第二个贡献其实说的是UCO的构建方式，强调它是从“考虑重用”的本体设计原则出发的，所得到的本体又和现有的本体有连结、映射关系；对人，友善，多关注自己，对事，多关注本质内容。考虑：这是描述构建本体的基本盘，我在描述构建本体的时候也是类似的方式，只不过还没有对术语详尽解释（毕设中是否需要还得考虑考虑，不好详尽解释，因为概念太多了）。论文凑够，毕设搞好，多练习开发。

从这次开始，回顾安全本体经典文章，主要考虑“实验”与“评价体系”相关的内容。

使用了中心性度量，最后评分用的是“matching quality”这个指标，和Falcon-AO、Algergawy proposed system比较。本体任务在具体测评的时候，涉及各种领域，没有明显的领域适配性，其实还是通用性占大头。那么搞网络安全本体时，本体应用就显得很重要。2015年的文章，比较旧了，主题是大规模本体匹配问题。文章提了一种基于划分的本体匹配方法。聚类的想法和我差不多，想把相同含义的概念聚在一起，然后合并！方法分三步，1、组件预处理；一作是德国人，德国是搞本体的主力军。

是阿尔吉尼亚人的文章，将本体与CTI关联。

第二点则是可以考虑的点，但要搞清楚，这里的未知威胁情报具体对应到什么样的任务/实验上？类比到入侵检测领域，大家总想提一种方法，可以应对/发现未知攻击（不存在于预设知识库或规则库里的攻击），但实际上这是和直觉违背的。如果真的发现未知攻击了，是基于本体的什么样的能力发现的（是推理么，但本体的推理仍然是基于规则去推理的）？这是我之前考虑到的一个可以涉足的态势感知任务，但还没有想清楚具体的威胁情报任务是什么（因为看到太多把威胁情报用于文本分析的工作，算是NLP技术用在分析威胁情报上）。

4、Module's Structure：模块结构，包括模块大小、相对大小、原子大小、模块深度、集成树的平均深度、模块广度、模块密度、模块复杂度等。3、Module Categorization & Distribution：模块分类和分布，包括类分布、属性分布、关系分布、模块分布。7、Module Relatedness：模块相关性，包括模块内距离、模块间距离、相关模块间距离、封装、冗余、独立性等。8、Module Quality：模块质量，包括精度、召回、模块内聚性、模块耦合度、模块总体质量等。

文章提新的度量指标是Literal F1，Fuzzy F1，Continuous F1，Graph F1和Motif distance等。其中，evaluation metric是一个一直没有统一的东西，但这个文章比较新，在可做的前提下，采纳他的度量是可以的。表中有所谓的基线方法，这些都是不面向特定领域的方法，另外，比较也得在具体的数据集上比较，如果我也想和这些方法比，肯定是要对数据集去做一套效果数据出来，并不好弄。在很多其他文章中，是把本体学习这个任务肢解了来做的，同样也是肢解了之后评估。

文章还有一个基调，本体工程是持续研究1/4世纪的难题，知识图谱和本体工程在LLM时代焕发新生，模块化本体也是一个主要考虑的点。从这里考虑，可以从LLM加持本体学习引入到具体领域来延展先前的工作，补充毕设、单成一篇都是可以考虑的。这篇文章讨论的将LLM用于知识图谱和本体工程，特别强调了本体工程和模块化本体。文章整体风格偏综述。其中，ontology population指的是根据本体构建知识图谱的过程。

也就是说:BaronWayApartment是个体，并且:Apartment是类，这是确之凿凿的事情，不存在的任何的疑问了。OWL2 DL的直接语义不允许元建模，那就不允许双关语，不允许用个体来表达类？那什么情况下不算严格区分呢？就是书前文里的“双关语”情形，元建模。rdf:type只能在严格区分的层次下成立，类和个体之间。两次提到OWL2 DL的直接语义，是比较严格的。暂时这么理解，有问题再改。

参考文章An Alignment-Based Implementation of a Holistic Ontology Integration Method 给出的本体集成方法。图示的OIAR步骤，如下：OIAR的一般步骤---对重构版本，这里的重构指对本体的重构。分为5步。第一步，加载输入的本体和对齐。第二步，创建输入本体的axioms的重构拷贝。这里创建了四个hashmap，分别是针对classes，object，data和individual的。第三步，消除输入对

语义网络基础相关学习笔记

前言从头开始从零到构建某领域完整的本体模型一、相关定义T.R.Gruber的定义，R.Studer修订的：一个本体是一个概念体系的一种显式的、形式化的规约。An ontology is an explicit and form specification of a conceptualization.通常，一个本体形式化地描述了一个论域。典型地，一个本体由一个包含术语以及术语间地有限列表组成。...