Sharing Ontologies and Rules Using Model Transformations
Notice bibliographique
Résumé
Web Ontology Language (OWL), Semantic Web Rule Language (SWRL) and Model-Driven Engineering (MDE) are technologies being developed in parallel, but by different communities. They have common points and issues and can be brought closer together. Many authors have so far stressed this problem and have proposed several solutions. The result of these efforts is the recent OMG’s initiative for defining an ontology development platform. However, the problem of transformation between Semantic Web ontology and rule languages and MDE-based languages has been solved using rather partial and ad hoc solutions, most often by XSLT. In this paper, we relations between the Semantic Web languages and MDE-compliant languages as separate technical spaces. In order to achieve a synergy between these technical spaces, we present ontology and rule languages in terms of MDE standards, recognize relations between the OWL and SWRL langauges and MDE-based ontology languages, and propose mapping techniques. In order to illustrate the approach, we use an MDE-defined architecture that includes the ontology and rule metamodels and ontology UML Profile. We also show how MDE techniques, such as model transformations, can be used to enable sharing rules and ontologies by using REWERSE Rule Markup Language (R2ML), a proposal for a general rule language. The main benefit of this approach is that it keeps the focus on the language concepts (i.e., languages’ abstract syntax - metamodels) rather than on technical issues caused by different concrete syntax. Yet, we also provide transformations that bridge between both languages’ concrete (XML) and abstract (MOF) syntax.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».