DeepOnto下载 - DeepOnto源代码下载

DeepOnto

Ai源码

Minor Update

下载

文档| github | arxiv |纸

具有深度学习的本体工程的包装。

消息？

检查完整的更改程序和常见问题解答。 FAQS页面现在不包含太多信息，但将根据反馈进行更新。

关于

$ textsf {deeponto} $旨在为实施深度学习模型，构建资源和用于各种本体工程目的的评估提供基础。

文档： https：//krr-oxford.github.io/deeponto/ 。
GitHub存储库： https：//github.com/krr-oxford/deeponto 。
PYPI ： https：//pypi.org/project/deeponto/ 。

安装

Owlapi

$ textsf {deeponto} $依靠Owlapi版本4.5.22（用Java编写）用于本体。

我们遵循MOWL中实现的内容，该内容使用JPYPE桥接Python和Java Virtual Machine（JVM）。请检查JPYPE的安装页面，以获取成功的JVM初始化。

Pytorch

$ textsf {deeponto} $依靠Pytorch进行深度学习框架。

我们建议在安装之前安装Pytorch $ textsf {deeponto} $遵循Pytorch网页上列出的命令。请注意，用户可以选择GPU（带有CUDA）或CPU版本的Pytorch。

如果最新的Pytorch版本会导致任何不兼容问题，请使用以下命令（与CUDA 11.6 ）可行：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

基本用法 $ textsf {deeponto} $不依赖GPU，而是要进行有效的深度学习模型培训，请确保torch.cuda.is_available()返回True 。

从PYPI安装

其他依赖项在setup.cfg and requirements.txt中指定，这些依赖项应与deeponto一起安装。

 # requiring Python>=3.8
pip install deeponto

我们被告知， openprompt与其他几个软件包有冲突，这些软件包几乎无法使用M1在MacOS上解决，因此我们现在将其设置为可选的依赖性。但是，它是安大略省代码在deeponto.complete.ontolama上的主要依赖性。要使用Ontolama，请单独安装openprompt ，或使用以下命令安装 $ textsf {deeponto} $ ：

pip install deeponto[ontolama]

从GIT存储库安装

要安装最新的（可能未发布的版本的Deeponto），您可以直接从存储库中安装。

pip install git+https://github.com/KRR-Oxford/DeepOnto.git

主要功能

图：Deeponto架构的插图。

本体处理

基类 $ textsf {deeponto} $ IS [ Ontology ] [deeponto.onto.ondology]，它是引入Owlapi的特征的主要入口处，例如访问本体学实体，查询祖先/后代（以及父母/子女）概念，删除实体，修改Axioms和检索注释。请参阅LOAD ANTOLOGY时的快速使用。除这些基本功能外，还构建了几个基本的子模块以增强核心模块，包括以下内容：

本体论推理（[[ OntologyReasoner ] [deeponto.onto.tologyreasoner]）： $ textsf {deeponto} $有推理器作为其属性。它用于开展推理活动，例如获得推断的子材料和子集，以及检查需要和一致性。
本体学修剪（[[ OntologyPruner ] [deeponto.onto.tology-prouner]）：该子模块旨在纳入修剪算法，以从输入本体学中提取亚物种学。我们目前实施了[2]中提出的一个，它引入了所主张的（原子或复杂的）父母和班级的子女之间的套装公理。
本体论语言（[[ OntologyVerbaliser ] [deeponto.onto.ontoology verbaliser]）：这里实现了[4]中提出的递归概念Verbaliser，它可以自动将复杂的逻辑表达式转换为基于本体学中可用的实体名称或标签的文本句子。请参阅言语本体论概念。
本体学投影（[[ OntologyProjector ] [deeponto.onto.ontologyprojector]）：在此处实现OWL2VEC*本体嵌入中采用的投影算法，这是为了将本体论的Tbox转换为一组RDF三倍。相关代码是从MOWL库修改的。
本体学归一化（[[ OntologyNormaliser ] [deeponto.onto.tologynormaliserer]）： $ MATHCAL {EL} $也从MOWL库中修改了归一化，该文库用于将Tbox公理转换为归一化形式以支持，例如，例如，几何本体嵌入。
本体分类法（[[ OntologyTaxonomy ] [deeponto.onto.-onsology toxonomy]）：从本体学中提取的分类学是用于补充层次结构的定向无环图，通常用于支持基于图形的深度学习应用。

工具和资源

单个工具和资源是根据核心本体处理模块实现的。现在， $ textsf {deeponto} $支持以下内容：

Bertmap [1]是一个基于BERT的本体匹配（OM）系统，最初是在Repo中开发的，但现在已维持在 $ textsf {deeponto} $ 。参见与Bertmap＆Bertmaplt匹配的本体论。
Bio-ML [2]是OML的OM资源，已在OAEI的Bio-ML轨道中使用。参见Bio-ML：一份综合文档。
Bertsubs [3]是一个本体集合预测的系统。我们将其原始实验代码转换为该项目。请参阅使用Bertsubs的包含推断。
安大略省[4]是对本体论文推断语言模型的评估。请参阅Ontolama：使用数据集的数据集概述和使用指南和基于及时的探测方法。
命中（外部） [6]是一个层次结构嵌入模型，该模型源自双曲线空间中的BERT样模型。有关选项和用法，请参见HuggingFace Hub上的命中模型。

执照

!!!!许可证“许可”

 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.

引用

我们的系统爸爸 $ textsf {deeponto} $可在Arxiv和iOS Press上找到。

Yuan He，Jiaoyan Chen，Hang Dong，Ian Horrocks，Carlo Allocca，Taehun Kim和Brahmananda Sapkota。 Deeponto：具有深度学习本体工程的Python包装。语义网，卷。 15，不。 5，第1991-2004、2024页。

!!!!信用“引文”

 ```
@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}
}
```