- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户2133719的专栏
本体入门（一）：本体构建 101
本文旨在介绍本体的基本概念和通用构建方法。 1 为什么构建本体？ 实际应用中，构建一个本体包括： 定义本体中的概念 将概念进行分层，确定超类与子类关系 定义概念的属性以及对这些属性的值的限制 为实例填充这些属性值 3 本体构建方法 下面介绍一种可行的构建本体的方法。 我们要用这个本体来干什么？ 本体中的信息应该为何种类型的问题提供答案？ 谁将来使用并维护本体？ 在确定了本体的基本范围后，一种确定本体具体范围的方法是，列出一系列本体应该能够回答的问题，这些问题被称为 competency questions，其专注于本体所涉及的领域，但也不用过于具体，我们将用这些问题来对已完成的本体进行测试 第二步 考虑重用现有的本体 在从头开始构建本体之前，最好先调研是否有相关的本体已经被构建出来了。我们可以基于这些本体进行进一步的改进和扩展。
3.1K33发布于 2020-08-15 - 来自专栏CNNer
【3D本体感知】开源 | 通过深度传感建立软体3D本体感知，精度高！分辨率高！
论文地址： http://arxiv.org/pdf/1904.03820v3.pdf 代码： 公众号回复：08030258682 来源： 纽约大学, 卡耐基梅隆大学 论文名称：Real-time Soft ，但它们的本体感知一直是一个挑战。 换句话说，几乎没有一种方法可以用内部传感器来测量和建模软体的高维3D形状。我们提出了一个框架，使用嵌入相机测量高分辨率3D形状的软体的实时情况。 摄像头捕捉到软体内部的视觉模式，卷积神经网络(CNN)产生代表变形状态的潜在代码，然后可以使用另一个神经网络重建软体的3D形状。 我们相信，该方法可以应用于软机器人和人-机器人交互的本体感觉形状感知。 主要框架及实验结果 ? ? ? 声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。
41020发布于 2021-02-24 - 来自专栏用户2133719的专栏
本体入门（二）：OWL 本体构建指南f
1 OWL 本体简介 OWL 是由 W3C 开发的一种本体描述语言，按照表达性可以被分为三类： OWL-Lite：可表达性最低 OWL-DL：可表达性中等（本指南使用） OWL-Full：可表达性最高 2 构建一个 OWL 本体 本章节以创建一个披萨本体为例，介绍如何通过 protoge 构建一个 OWL 本体。 3 数据类型属性 之前我们介绍的都是对象属性，下面介绍另一种属性：数据类型属性。 x) [3, 4, 5](?x) Built-In Atom 事先定义好的规则，支持用户自定义： Person(?p) ^ hasAge(?p, ?age) ^ swrlb:greaterThan(? 如果一个个体对应的基数限制为 2，但该关系对应 3 个个体，则其中两个会被认为是相同的个体。 附录 B：复杂类描述 除了用命名类和限制组成的匿名类来定义父类外，我们还可以使用复杂类描述定义的匿名类。
5.8K42发布于 2020-08-16 - 来自专栏智能问数技术路线全景分析
数据智能体技术路线深度对比：本体神经网络 vs 预制指标平台
技术路线四：本体神经网络本体神经网络代表了数据智能体技术的最新发展方向。 这类厂商提供的基于本体论的数据智能引擎正是基于本体神经网络构建，该方法通过构建面向对象的数据建模，支持SQL、半结构KV、图关系、时序、向量、文本等多种模态，实现真正的面向对象存储和查询。 本体神经网络的核心优势在于：无需人工预制指标或问答对，即可实现数据库范围内的任意问题精准查询。 提供的基于本体论的数据智能引擎通过ABC范式（A-筛选对象；B-构建属性字段；C-统计计算）与大模型协同工作，充分利用本体神经网络和现有大模型能力，实现企业级广泛精准问数。 短期来看，预制方案可能更容易实施；但从长期ROI角度考虑，本体神经网络路线能够显著降低总体拥有成本（TCO），并提供更好的业务适应性和扩展性。
12100编辑于 2026-03-18 本体论思想-本体建模真正实现的业务价值
今天接着聊本体论方面的内容。因为前面我在聊本体论的时候，更多的是在讲如何构建一个本体，如何进行抽象建模，实现对象、行为、规则三者之间的一个融合统一。 你只有了解了这个问题，你才能够知道：我们为什么要去做本体模型？或者是通过本体论的思想解决什么问题？ 所以这个时候我们再来回到本体论。 这个是本体论带来的巨大的一个价值。 所以说本体论，在当前的情况下面，它有可能是依托在我传统已有业务系统、已有主数据或者是数据中台产品上面的本体论的建模。 这个是本体论最最核心的一个价值。 好了，把这个理解完了以后，我们再回来想另外一个关键问题。 就是我在讲本体论的时候，我为什么没有特别强调是Palantir的本体论？ 那如果我一开始就应用的本体论的思想，那我这个时候的模型就不会分OLTP和OLAP都各自构建一套模型，而是构建一套融合的本体模型。
29010编辑于 2026-03-26- 来自专栏ROBOTEDU
【本体】电机偏差值
谢谢！
85140发布于 2018-09-29 Palantir 本体论
这个时机选择极具战略眼光——本体论与大模型的结合正在创造前所未有的协同效应。 本体论赋能大模型体现在三个维度。 更重要的是，本体论提供的是可追溯、可解释的知识，大模型的推理结果可以沿着本体论的关系链追溯到原始数据，这在金融、医疗、军事等高风险领域是刚需。 大模型加速本体论则体现在建模效率的革命性提升。 边界与局限 尽管本体论价值显著，但它不是万能解药。 在数值优化领域，本体论不如专业算法引擎。 调度、排产、路径优化等场景需要借助线性规划、约束求解等专业算法，本体论擅长的是关系建模和因果推理，而非最优计算。 在高频实时数据场景下，本体论需要与流式计算框架配合。 本体论本身不产生业务价值，它需要与具体业务场景深度结合才能发挥作用。 建一个漂亮的本体模型却没人用，这种案例在企业里并不少见。
2.3K21编辑于 2026-02-02本体论建模-Protégé 开源本体（Ontology）编辑器-构建本体模型和知识图谱
主要特性： ✓ 符合 W3C 标准 ✓ 可定制的用户界面 ✓ 可视化支持 ✓ 本体重构支持 ✓ 推理机直接接口 ✓ 高度可插拔架构 ✓ 与 WebProtégé 跨平台兼容 在下载安装了这个桌面端的本体建模工具后 3. 合同收款信息的录入，录入合同收款信息，收款需要对应到具体的合同，合同开票 4. 合同信息查询，需要基于合同编号，合同名称，产品线，部门，时间等对合同信息进行模糊查询。 能够模拟一些具体的实例 3. 能够体现相应的对象之间的行为，关系，规则等关键特点。 4. 本体中有详细的类，对象，数据，属性，属性定义规则等定义。同时形成相应的规则，关联约束等。 5. 3. 接着第3个关键问题，我一直理解事件定义在本体模型中相对重要。
1.9K21编辑于 2026-03-09- 来自专栏本体研究院
本体行业观点｜当本体遇到Metaverse，将擦出怎样的火花？（下）
在数字资产领域，本体为韩国领先数字资产内容平台 OGQ 提供版权上链方面的技术支持，帮助内容创作者实现版权保护。 本体在做的，还不止这些。 这便是本体的 ONT & ONG 双通证模式，为本体基础设施服务的逻辑。这样的模式可以应用于链上链下，在 Metaverse 的经济系统中充当循环通证，助力整个价值生态的构建。 03 低延迟 在本体链上，交易确认速度很快，而以太坊拥堵已成常态，且交易费用高昂。 同时，本体一直在持续调研 Layer 2技术最新进展，探索本体和以太坊 Layer 2的集成，致力于打通本体和以太坊之间的技术和生态壁垒，让以太坊上的用户也享受到本体一样高效低价的体验。 在本体链上，用户可以根据自己不同的需求创建多个 ONT ID，用以登陆不同的客户端。
49830发布于 2021-07-12 从知识图谱到本体建模-本体论核心思想
我在前面专门谈到从西方哲学发展史谈本体论。里面就谈到了本体论包括了本质和存在，分离本质和存在是西方哲学本体论发展的一个关键。 就是虽然应用了本体论，但是并没法彻底解决幻觉问题；其次就是本体论本身的在后期大模型AI推理的性能问题，当然还有类似成本，本体建模复杂性等各种问题。 企业全域本体论建模很难，包括整个ERP要用本体论思想全部重建也很难，但是我们完全可以在某个细分的业务领域优先应用本体模型思维，如果觉得应用本体模型构建AI应用也难，那我们也至少可以类似palantir的思路 这个是真正存在业务需求和业务痛点的地方，如果应用本体论可以更好的解决这个问题，那么本体论就能够更好的体现业务价值。 最后再次强调，本体论或本体建模本质是一个业务建模的事情。 备注和Claude大模型对话：附件是我对本体论和本体建模的思考。结合你对本体论，AI原生和palantir本体论的理解，帮我整理800到1000字左右的点评。
11310编辑于 2026-04-24- 来自专栏本体研究院
本体行业观点｜当本体遇到Metaverse，将擦出怎样的火花？（上）
本期，我们将结合当下的热点话题——Metaverse （元宇宙），探究本体与 Metaverse 会擦出怎样的精彩火花。 2020年初的“百年未有之变局”至今仍深刻影响着这个世界。 图片源自网络 Metaverse 一词，由 Meta 和 verse 组成，分别表示“超过”和“宇宙”，预示着3D 虚拟空间构成的网络世界。 本体给出的答案是「去中心化身份框架 ONT ID」和「用户自主管理的评分体系 OScore」，能够解决身份和信用的问题。接下来，我们展开来说。 ? 图片源自网络 ONT ID 是本体基于 W3C 去中心化标识规范，基于区块链和密码学打造的去中心化身份框架，能快速标识和连接人、财、物、事，具有去中心化、自主管理、隐私保护、安全易用等特点。 与此同时，本体研发的 DDXF（分布式数据交换框架）提供了一种通过去中心化来交换数据的方法，与 ONT ID 相辅相成，共同提升用户隐私保护能力。
63920发布于 2021-07-12 本体论建模-合同管理本体模型深度分析与语义构建
今天继续分享合同管理本体模型定义。在前面我谈到了一个核心的方法思路，就是首先是通过自然语言，基于对象、行为、规则三个维度构建了本体模型的元模型 Markdown 文件。 然后再和 AI 大模型交互，让大模型基于文本文件来输出完整的符合 OWL 本体建模语言标准的 OWL 完整模型文件。这个本身也给我们后续构建本体模型给出一种新的参考思路。 基本信息 字段 内容 本体名称 合同管理本体 / Contract Management Ontology 版本 1.0.1 创建时间 2026-03-07 命名空间 http://www.example.org 基于 OWL 语义的本体模型拓扑架构 本模型采用 W3C 的 OWL (Web Ontology Language) 标准，旨在构建一个以 cm:Contract 为核心、高度向外辐射的拓扑架构。 结论：本体模型对合同管理的核心价值 综上所述，本合同管理本体模型通过显式的类层级、严密的基数约束以及智能的 SWRL 规则，为企业提供了一个标准化、关联化、透明化的语义底座。
28410编辑于 2026-03-26- 来自专栏ROBOTEDU
【本体】外轴的控制
谢谢！
66530发布于 2018-07-25 - 来自专栏debugeeker的专栏
python黑知识：python本体
讲述python的实现本体，版本，构建时间，构建工具和构建参数 python的实现有很多种，如果想研究一下它语言本身一些机制的实现，可能需要看源代码，那么，就需要找到相应的实现，分支和版本。 ' 再看一下它的版本 >>> platform.python_version() '3.9.1' 再看一下创建时间 剩余内容请看本人公众号debugeeker, 链接为python黑知识：python本体
66210发布于 2020-12-31 - 来自专栏本体研究院
本体技术视点 | 关于本体EVM合约开发，你必须知道的事（三）
上周，本体宣布支持 EVM 的测试网正式部署并向全球开发者开放 EVM 兼容公测。 同时，与知名代码审计机构慢雾科技合作发布《本体安全漏洞与威胁情报赏金计划》（https://slowmist.io/en/ontology/）正式启动，上报单个有效漏洞奖励最高可达12,000美金。 上一期，我们介绍了在本体上开发和部署 EVM 合约的工具，以及如何使用 MetaMask 插件数据客户端来管理以太坊数据客户端。这一期，我们将为您带来本体 EVM 合约开发流程演示。 第四部分 EVM 合约开发流程演示 下面我们将使用 Hardhat 工具来演示在本体网络中开发部署和测试 EVM 合约的完整流程。 下期，我们将为您提供 Web3 API 参考，并教您如何使用 Ontology Bridge 本体跨链桥实现本体数字资产与以太坊数字资产的一键互跨，敬请期待。
66630发布于 2021-10-13 - 来自专栏数据派THU
3D图解神经网络
也就是说，先给Unity版3D网络提供一个搭建思路，提前准备好实现展示卷积计算的方法、特征图的形状、边绑定的效果等问题。 它的节点编辑器长这样： 然后，就可以在Unity上搭建3D神经网络了。 设计后的网络形状，大致长这样： 然后，就是从模型的TensorFlow代码中，生成对应的3D神经网络图像。 目前，也已经有人像上面那个神经网络模型一样，做出了3D的可视化神经网络: 这个项目，同样用到了边绑定、光线追踪等技术，与特征提取、微调和归一化相结合，将神经网络可视化。 大致的处理过程是这样的： 如果对于这类3D神经网络可视化感兴趣，可以在文末找到对应的开源项目地址。 作者介绍： Stefan Sietzen，现居维也纳，此前曾是个3D视觉方向的自由职业者。 目前，他在维也纳工业大学读硕，对视觉计算（visual computing）非常感兴趣，这个3D神经网络，就是他在硕士期间做的项目之一。
86020编辑于 2022-10-09 - 来自专栏本体研究院
本体技术视点 | 关于本体EVM合约开发，你必须知道的事（四）
本体与知名代码审计机构慢雾科技合作发布的《本体安全漏洞与威胁情报赏金计划》持续进行中，上报单个有效漏洞奖励最高可达12,000美金，受到大量开发者关注。 上一期，我们展开了本体 EVM 合约开发流程演示。相信大家已经跃跃欲试，计划在本体上搭建自己的去中心化应用了。 那这一期，我们就直接为您提供一系列 Web3 API 参考，并手把手地指导您使用 Ontology Bridge 本体跨链桥，希望您在阅读完这一系列教程后，能够真正实现“活学活用”。 第五部分 Web3 API 参考 由于以太坊与本体交易的结构体和存储结构存在差异，目前本体只支持了以下 RPC 接口。 具体使用方式可查询下方链接： https://docs.ont.io/developer-tools/api/eth-web3-api 第六部分 Ontology Bridge 的使用 6.1 Ontology
51830发布于 2021-10-13 - 来自专栏算法之名
3D卷积神经网络
首先，我们先参考Tensorflow深度学习算法整理 中卷积神经网络回忆一下2D卷积。 3D卷积如上图所示，3D卷积输入多了深度C这个维度，输入是高度H*宽度W*深度C的三维矩阵。 因为3D卷积核是滑过一个 3D 空间，所以输出数值也按 3D 空间排布。也就是说输出是一个 3D 数据。3D卷积被普遍用在视频分类，三维医学图像分割等场景中。 视频分类 虽然视频本质上是连续帧的二维图像，但是如果将一段视频切片当做一个整体，将其数据升级到三维，三维卷积神经网络在视频方面应用最广泛的就是进行视频分类。 与二维神经网络相同，三维神经网络也包括输入层，卷积层，池化层，全连接层，损失函数层等网络层。 光流(optical flow)： 通过时序上相邻帧计算像素移动的方向和速度。 input—>H1： 神经网络的输入为7张大小为60*40的连续帧(每帧都是单通道灰度图)，7张帧通过事先设定硬核(hardwired kernels，一种编码方式，注意不是3D卷积核)获得5种不同特征
3.8K40编辑于 2022-05-06 - 来自专栏十二的树洞
人工神经网络学习笔记（3）
**暴力枚举：**对于一个三层的神经网络，每层有3个神经元结点，有两个3 × 3 3\times 33×3的链接权重矩阵，共有18个权重值。 为了避免上述情况，我们应从选择不同的其实位置对神经网络进行多次训练，以确保其并不总是终止于错误的地方。而不同的其实位置意味着不同的链接权重。 quality=80&size=b9999_10000&sec=1559636048297&di=a69a0ac50c0c4c39c6290d14fe697429&imgtype=0&src=http%3A %2F%2Fimg.ph.126.net%2FwdlmGd6Cl2EyG0Bp-xEihQ%3D%3D%2F1016406140918957318.jpg)] image.png 上述表达式表示了当权重
43430编辑于 2021-12-22 - 来自专栏本体研究院
本体技术视点 | 在 Web3 中，描述身份的方式将被完全重构！
最近随着各大机构不遗余力地宣传，Web3 这个概念彻底出了圈。而提到 Web3，就不得不提 DID（去中心化身份）。 但这一切在 Web3 时代将变得完全不一样，我们描述身份的方式将因为去中心化技术的出现而被完全重构。 在 Web3 上描述身份 因为区块链的存在、分布式账本的应用，在 Web3 中，参与者的行为将被永久且真实的记录，其真实性无法被篡改。 OScore 本体信用评分体系 OScore，是为可编程信誉设计的链上信用评分。通过使用多种不同的链上交互数据进行计算，以评分的方式展现用户过往的信用状况。 但随着 Web3 基础设施的建设和普及，我们有理由相信未来会是一个万物上链的时代，你的所有行为将变得有价值，你的身份将由你过去所有的链上行为聚合而成。
54110编辑于 2022-03-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号