本体

在计算机科学和信息科学中，本体包括表示、正式命名和定义概念，数据，实体之间的类别，属性和关系，并在一个，多个或所有域实例中。

每个领域都创建本体可以降低复杂性并将信息组织成数据和知识。随着新的本体的产生，它们的使用有望改善该领域内的问题解决系统。当来自不同国家的专家在他们的每种语言之间保持可控的术语词汇时，在每个领域内翻译研究论文都会变得更加容易。

自谷歌启动了一项名为知识图”Knowledge Graph”的计划以来，大量的研究已经开始使用知识图作为一个通用术语。虽然术语知识图没有明确的定义，但它有时被用作本体的同义词。一种常见的解释是知识图表示实体的相互关联描述的集合 - 如: 现实世界的对象，事件，情境或抽象概念。与本体不同，知识图表（例如Google的知识图和DBpedia）通常包含大量具有较少形式语义的事实信息。在某些上下文中，“knowledge graph”指可以表示为图的任何知识库。

词源

复合词本体结合到希腊语 ὄν, on (gen. ὄντος, ontos)，即“存在;那是”，这是动词εἰμί，eimí的现在分词，即“是，我是“和-λογία，-logia，即”逻辑话语“，参见这种词形成的经典混合产物。

虽然词源是希腊语，但是这个词本身最早的记录，新拉丁语形式的本体论，于1606年出现在Jacob Lorhard（Lorhardus）的Ogdoas Scholastica作品中，1613年出现在RudolfGöckel（Goclenius）的Lexicon philosophicum中。

由OED(Oxford English Dictionary, online edition, 2008) 记录的本体论英语第一次出现在Gideon Harvey的《Archeologia Philosophica Nova or New Principles of Philosophy 》中。

回顾

需要判别信息科学和哲学中的哪些本体是共同的，也就是用它们所有相互依存的属性和关系来表示实体，思想和事件。在这两个领域，在本体工程问题上都有相当多的工作（例如，哲学中的Quine和Kripke的工作，计算机科学中的Sowa和Guarino的工作），以及关于规范本体可能达到何种程度的讨论（例如，基础性和连贯性，哲学领域，BFO和Cyc，人工智能领域）。应用本体被认为是对哲学先前工作的继承者，然而许多当前的努力更关注于建立狭义领域的受控词汇，而不是第一本体，也不是存在的固定本质；亦或者持久的目标（例如，永久性和持久性）是否可能是在本体论上比过程更重要。

每个领域都使用本体论假设来构建明确的理论，研究和应用的。例如，经济学本体论的定义是马克思主义经济学中的首要关注点，也是经济学的其他子领域的关注点。依赖于信息科学的经济学的一个例子发生在实现经济决策的情况下，确定哪些资本资产面临风险和多少（参见风险管理）的模型中。

人工智能在机器翻译和知识表示等自然语言处理等子领域中应用本体论，但本体编辑经常在教育等领域中使用。

当代本体具有许多结构上的相似性，无论它们表达的语言如何。大多数本体描述个体（实例），类(概念)，属性和关系。在本节中，将依次讨论这些组件中的每一个。

本体的常见组件包括：

个人-Individuals

实例或对象（基本或“地面-真实世界” "ground level" 对象）

类-Classes

集合，collections，概念，编程中的类，对象的类型或事物的种类

属性-Attributes

对象（和类）可以具有的方面，属性，特征，特征或参数

关系-Relations

类和个人之间可以相互联系的方式

功能术语-Function terms

由某些关系形成的复杂结构，可用于代替声明中的单个术语

限制-Restrictions

正式陈述的描述必须是真实的，以便某些断言（assertion）被接受为输入

规则-Rules

以if-then（先行结果）句子形式的陈述，描述可以从特定形式的断言中得出的逻辑推理

公理-Axioms

逻辑形式的断言Assertions（包括规则），它们共同构成了本体在其应用领域中描述的整体理论。这个定义不同于生成语法和形式逻辑中的“公理”。在一些学科中，公理仅包括断言作为先验知识的陈述，如此处所使用的，“公理”还包括源自公理陈述的理论

事件-Events

属性或关系的变化

本体通常使用本体语言编码。

【出处：wiki，https://en.wikipedia.org/wiki/Ontology_(information_science) 】

2. 发展历史

描述

本体论源于被称为形而上学（metaphysics）的哲学分支，是涉及诸如“存在什么？”之类的问题，和“现实的本质是什么？”作为哲学的五个传统分支之一，形而上学关注的是通过属性，实体和关系来探索存在，例如特殊性和普遍性之间的存在，内在和外在属性，或本质和存在。自记录历史以来，形而上学一直是讨论的主题。

自20世纪70年代中期以来，人工智能（AI）领域的研究人员已经认识到知识工程（knowledge engineering ）是构建大型强大AI系统的关键。人工智能研究人员认为，他们可以创建新的本体作为计算模型，实现某些类型的自动推理，这只是小小的成功。在20世纪80年代，人工智能社区开始使用术语本体来指代建模世界的理论和基于知识的系统的组成部分。一些研究人员从哲学本体中汲取灵感，将计算本体视为一种应用哲学。

在20世纪90年代早期，Tom Gruber广泛引用的网页和论文“走向用于知识共享的本体设计原则”"Toward Principles for the Design of Ontologies Used for Knowledge Sharing"被认为是对本体作为计算机科学中的技术术语的深思熟虑后的定义。 Gruber将该术语作为概念化的规范引入：

An ontology is a description (like a formal specification of a program) of the concepts and relationships that can formally exist for an agent or a community of agents. This definition is consistent with the usage of ontology as set of concept definitions, but more general. And it is a different sense of the word than its use in philosophy.

本体是对代理或代理社区正式存在的概念和关系的描述（如程序的正式规范）。该定义与本体作为概念定义集的使用一致，但更通用。它与哲学中的用法不同。

Gruber（1993）指出，试图将依赖于类和继承的知识建模中的分类和类似的本体论进行区分：

Ontologies are often equated with taxonomic hierarchies of classes, class definitions, and the subsumption relation, but ontologies need not be limited to these forms. Ontologies are also not limited to conservative definitions — that is, definitions in the traditional logic sense that only introduce terminology and do not add any knowledge about the world.[13] To specify a conceptualization, one needs to state axioms that do constrain the possible interpretations for the defined terms.

指出：本体通常等同于类的分类层次，类定义和包含关系，但本体不必限于这些形式。本体论也不仅限于保守的定义 - 也就是说，传统逻辑意义上的定义只引入术语而不添加任何有关世界的知识。为了指定一个概念化，我们需要说明限制对定义术语的可能解释的公理。

随着Gruber定义的改进，Feilmayr和Wöß（2016）《An analysis of ontologies and their success factors for application to business》指出：“本体论是一种形式的，明确的共同概念化规范，其特点是增加复杂性所需的高语义表达能力。”

【出处：wiki，https://en.wikipedia.org/wiki/Facial_recognition_system  】

主要事件

3. 发展分析

瓶颈

本体工程Ontology engineering（也称为本体构建）是一组与特定领域的本体开发相关的任务。它是知识工程的一个子领域，研究本体开发过程，本体生命周期，构建本体的方法，以及支持它们的工具和语言。

本体工程旨在明确包含在软件应用程序中的知识以及特定域的组织过程。 本体工程为克服语义障碍提供了方向，例如与业务术语和软件类的定义相关的障碍。 本体工程的已知挑战包括：

• 通过领域知识和术语使用确保本体是最新的
• 概念需要能够覆盖到足够特异性的领域，从而最弱化内容完整性问题
• 确保本体可以支持其用例

【URL： https://en.wikipedia.org/wiki/Ontology_(information_science) 】

未来发展方向

1.确保多系统的信息同步；

2.如何确保内容的完整性；

3.本体学习（Ontology learning）是本体的自动或半自动的创建，包括从自然语言文本中提取域的术语。 由于手动构建本体是极其劳动密集且耗时的，因此有很大的动力来自动化该过程。 已经探索了信息提取和文本挖掘以自动地将本体链接到文档，例如BioCreative的挑战。

Contributor: Ruiying Cai