为提供个性化学习空间，优化在线学习效果，文章介绍了一种基于领域本体和语义相似度的个性化学习路径推荐策略。首先对根据领域知识点及其关系构建本体库，建立其知识点间语义层面的关系，并用Protégé进行了本体形式化编码；然后基于本体，设计了学习路径生成策略和相关知识协同策略；最后，结合决策支持系统课程现有网络资源设计并开发了原型系统，实现了个性化学习引导及资源空间的优化。

依存关系 我们在此包装中的代码已经过测试 Python 3.7 RDFLib 4.2.2 gensim 3.8.0 scikit学习0.21.2 nltk 3.5 OWLready2 0.25 致谢：rdf2vec /下的代码（主要用于在RDF图上实现漫游策略）来自 （0.0.3版，于03/2020访问），并进行了一些更新。 独立应用 独立应用程序（v0.1.0）可以由两个主程序运行。 OWL2Vec_Standalone.py 该程序将嵌入一个本体。 可以通过配置文件default.cfg对其进行配置。 有关用法，请参见default.cfg中的示例和注释。 运行示例： python --config_file default.cfg 注意：与实验代码不同，独立程序已使用Owlready在python中实现了所有与OWL本体相关的过程，但它还允许用户使用预先计算的注释

为解决当前教育资源库在通用性和共享性的不足，结合CELTS元数据标准，利用本体技术设计了一个语义化的教育资源本体库。参照元数据标准构建教育资源本体，对学科领域知识进行语义分析和关联构建学科知识本体，对教育资源实例做语义标注，并通过推理机Jena实现了本体推理和查询。为教育资源库的语义搜索及智能服务奠定基础。

基于CELTSC学习对象元数据的本体构建方法研究及实现 ，李季，陈玲玲，本文首先介绍了现有的几种重要的本体构建方法，然后分析元数据与本体之间的关系，并在七步法的基础上提出基于元数据的本体构建方

在知识图谱的嵌入模型中利用本体图式信息 概述 该包包含以下所有源代码和数据集： 基于能量的知识图模型的有效训练。 在学习期间利用架构信息（在RDF架构中表示）。 此包中实现的模型扩展了以下工作中提出的模型： 翻译嵌入(TransE) - Bordes 等人，NIPS 2013。 语义匹配能量(SME) - Bordes 等人，MLJ 2013。 结构化嵌入(SE) - Bordes 等人，AAAI 2011。 包装内容： learn_parameters.py ：处理主要的学习过程。 data/ ：包含所有数据集，即 FB13、FB15k、WN11、WN18、DBpedia 2014、YAGO3。 FB13、FB15k、WN11和WN18用于文献中的相关作品； DBpedia 2014 和 YAGO3 是来自语义 Web 文献的另外两个大型数据集。 energy/ ：包

从0开始进行Ontology设计和开发，涵盖开发工具、流程、语言和基础理论以及注意事项等，让你具备一个Knowledge Engineer的基本技能。

行业分类-设备装置-基于支撑线运动分解的四足机器人trot步态本体位姿控制方法

Jena中的推理引擎和RACER都是针对具体本体语言的推理机，针对性强，效率高。

讨论了制造工艺知识重用方面存在的问题,阐述了本体建模方法在促进知识共享方面的优势,并以铸造工艺为实例,结合W3C组织推荐的本体语言OWL( Web Ontology Language)本体建模语言建立了铸造工艺本体信息模型。由于OWL具有丰富的语义表达能力,因此基于此方法建立的本体信息模型在知识表达上比以往所建的模型更清晰、完整,也有利于制造工艺知识的共享和重用。

针对机械加工领域的特点,建立了机械加工工艺知识分类层次结构。将本体的思想引入机械加工工艺知识表示中,以便于知识的共享和重用。并通过实例描述了机械加工工艺知识本体建模过程。基于本体的信息模型,在知识的表达上更清晰、完整,为更好的进行工艺知识管理奠定了基础。