DeepOnto
Minor Update
Docs | Github | arXiv | Papier
Un package pour l'ingénierie ontologie avec un apprentissage en profondeur.
Nouvelles ?
deeponto.onto.taxonomy . ( V0.9.2 ) openprompt en le déplaçant vers des dépendances facultatives. ( V0.9.1 ) deeponto.onto.taxonomy ; Ajoutez le type de raisonnement structurel. ( V0.8.8 ) deeponto.align.oaei pour les scripts au sous-représentant OAEI-Bio-ML ainsi que la fixation des bogues. ( V0.8.4 ) deeponto.onto.OntologyNormaliser et deeponto.onto.OntologyProjector ( V0.8.0 ). deeponto.subs.bertsubs et deeponto.onto.pruning ( V0.7.0 ). deeponto.probe.ontolama et deeponto.onto.verbalisation ( V0.6.0 ). Vérifiez le Changelog complet et les FAQ. La page FAQ ne contient pas beaucoup d'informations maintenant, mais sera mise à jour en fonction des commentaires.
Nous suivons ce qui a été implémenté dans MOWL qui utilise JPYPE pour rejeter Python et Java Virtual Machine (JVM). Veuillez consulter la page d'installation de JPype pour une initialisation JVM réussie.
Nous vous recommandons d'installer Pytorch avant d'installer
Dans le cas où la version Pytorch la plus récente entraîne des problèmes d'incompatibilité, utilisez la commande suivante (avec CUDA 11.6 ) connu pour fonctionner:
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116 Utilisation de base de torch.cuda.is_available() revient True .
D'autres dépendances sont spécifiées dans setup.cfg et requirements.txt qui sont censées être installées avec deeponto .
# requiring Python>=3.8
pip install deeponto Nous avons été informés openprompt a un conflit avec plusieurs autres packages qui peuvent être à peine traités sur MacOS avec M1, nous l'avons donc maintenant défini comme une dépendance facultative. Cependant, c'est la principale dépendance du code Ontolama sur deeponto.complete.ontolama . Pour utiliser Ontolama, veuillez installer openprompt séparément ou utiliser la commande suivante pour installer
pip install deeponto[ontolama]Pour installer la dernière version probablement inédite de Deeponto, vous pouvez installer directement à partir du référentiel.
pip install git+https://github.com/KRR-Oxford/DeepOnto.gitFigure: Illustration de l'architecture de Deeponto.
La classe de base de Ontology ] [deeponto.onto.ontology], qui sert de point d'entrée principal pour l'introduction des caractéristiques de l'Owlapi, telles que l'accès aux entités ontologiques, l'interrogation pour les concepts des ancêtres / descendant (et parent / enfant), en supprimant des entités, en modifiant les axiomes et en retrouvant des annotations. Voir une utilisation rapide au chargement d'une ontologie. Parallèlement à ces fonctionnalités de base, plusieurs sous-modules essentiels sont construits pour améliorer le module de base, y compris les suivants:
Raisonnement de l'ontologie ([ OntologyReasoner ] [deeponto.onto.ontologyReasoner]): chaque instance de
Élagage de l'ontologie ([ OntologyPruner ] [deeponto.onto.ontologypruner]): Ce sous-module vise à incorporer des algorithmes d'élagage pour extraire une sous-allocution d'une ontologie d'entrée. Nous mettons actuellement en œuvre celui proposé dans [2], qui introduit des axiomes de subsomption entre les parents affirmés (atomiques ou complexes) et les enfants de la classe ciblés pour le retrait.
Verbalisation de l'ontologie ([ OntologyVerbaliser ] [deeponto.onto.ontologyverbaliser]): Le verbeau de concept récursif proposé dans [4] est mis en œuvre ici, qui peut automatiquement transformer une expression logique complexe en une phrase textuelle basée sur des noms ou des étiquettes disponibles dans l'ontologie. Voir les concepts d'ontologie de verbalisation.
Projection d'ontologie ([ OntologyProjector ] [deeponto.onto.ontologyprojector]): l'algorithme de projection adopté dans les incorporations d'ontologie OWL2VEC * est mise en œuvre ici, qui consiste à transformer la TBOX d'une ontologie en un ensemble de triples RDF. Le code pertinent est modifié à partir de la bibliothèque MOWL.
Normalisation de l'ontologie ([ OntologyNormaliser ] [deeponto.onto.ontologyNormaliser]): la mise en œuvre
Taxonomie de l'ontologie ([ OntologyTaxonomy ] [Deeponto.onto.ontologytaxonomy]): La taxonomie extraite d'une ontologie est un graphique acyclique dirigé pour la hiérarchie de subsomption, qui est souvent utilisée pour prendre en charge les applications d'apprentissage en profondeur basées sur des graphiques.
Les outils et ressources individuels sont mis en œuvre en fonction du module de traitement de l'ontologie de base. Actuellement,
Bertmap [1] est un système de correspondance d'ontologie (OM) basé à Bert développé à l'origine dans Repo mais est maintenant maintenu en
Bio-ML [2] est une ressource OM qui a été utilisée dans la piste bio-ML de l'OAEI. Voir Bio-ML: une documentation complète.
BERTSUBS [3] est un système de prédiction de subsomption de l'ontologie. Nous avons transformé son code expérimental original en ce projet. Voir l'inférence de la subsomption avec les bertsubs.
Ontolama [4] est une évaluation du modèle linguistique pour l'inférence de la subsomption de l'ontologie. Voir Ontolama: Guide de vue d'ensemble et d'utilisation de l'ensemble de données pour l'utilisation des ensembles de données et l'approche de sondage basée sur l'invite.
HIT (externe) [6] est un modèle d'intégration de hiérarchie dérivé de modèles de type Bert de reconstitution dans l'espace hyperbolique. Voir les modèles à succès sur HuggingFace Hub pour les options et l'utilisation.
!!! Licence "Licence"
Copyright 2021-2023 Yuan He.
Copyright 2023 Yuan He, Jiaoyan Chen.
All rights reserved.
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at *<http://www.apache.org/licenses/LICENSE-2.0>*
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
Notre système Papaer pour
Yuan He, Jiaoyan Chen, Hang Dong, Ian Horrocks, Carlo Allocca, Taehun Kim et Brahmananda Sapkota. Deeponto: un package Python pour l'ingénierie ontologie avec un apprentissage en profondeur. Sémantique Web, vol. 15, non. 5, pp. 1991-2004, 2024.
!!! Crédit "citation"
```
@article{he2024deeponto,
author = {He, Yuan and Chen, Jiaoyan and Dong, Hang and Horrocks, Ian and Allocca, Carlo and Kim, Taehun and Sapkota, Brahmananda},
journal = {Semantic Web},
number = {5},
pages = {1991--2004},
title = {DeepOnto: A Python package for ontology engineering with deep learning},
volume = {15},
year = {2024}
}
```
Veuillez signaler tout bug ou requête en soulevant un problème de github ou en envoyant des e-mails aux responsables (Yuan lui ou Jiaoyan Chen):
