本研究提出了一种基于RDF的框架，用于系统评估大型语言模型（LLMs）在处理冲突信息时的多语言质量。该框架通过结构化表示模型响应，揭示知识泄漏模式及语言特定性能差异，为评估LLMs表现提供有效解决方案。

本研究针对AutomationML标准在查询和数据验证方面的局限，提出了新的AutomationML本体及其向RDF三元组的映射方法，以促进与工业知识图谱的集成。

本研究提出了一种新系统RAGONITE，旨在提升传统RDF知识图谱在对话问答中的意图处理能力。该系统结合SQL查询和文本搜索，实现迭代检索，显著改善了处理不理想结果的能力，并在宝马汽车知识图谱上表现优越。

本文提出了一种新的本体，使用RDF和SPARQL实现知名的义务传统方案，旨在处理不可解决的冲突，即两条或更多声明之间存在相互矛盾的义务、禁止或许可，而没有一方“强于”其他。该框架不仅为形式义务逻辑的标准理论研究带来了重要进展，同时提供了一种整合各类不可解决冲突和违反的统一体系，具有显著的应用潜力。

介绍了一种无需匹配实体或关系的方法，将知识从一个事实集合转移到另一个集合，适用于各种知识库。通过大规模预训练提升了特定领域数据的预测能力，在小数据集上效果显著。引入了Doge数据集，用于分析开放知识库模型，揭示现有模型的不足。

该研究提出了一种名为StarE的图形编码器，用于建模超关系知识图上的限定语。作者还介绍了一个基于Wikidata平台的新数据集WD50K，并验证了利用限定语进行链接预测的可行性。

AutoRDF2GML 是一个用于将 RDF 数据转化为适合图机器学习任务的数据表示的框架，通过自动化特征提取，使得即使对 RDF 和 SPARQL 不太熟悉的用户也能够生成适用于图机器学习任务的数据表示；同时，它为图机器学习提供了新的基准数据集，从大型 RDF 知识图中创建，可用于评估图神经网络等图机器学习方法；总体而言，这个框架有效地连接了图机器学习和语义网社区，为基于 RDF...

介绍了Schema-Guided Dialogue (SGD)数据集，包括16个领域的16,000个多领域对话。SGD数据集是一个具有挑战性的测试平台，用于测试语言理解、位置填充、对话状态跟踪和响应生成。提出了基于模式的任务导向对话的范式，提高了对不同服务形态和新服务的支持和集成。

本篇论文旨在填补 RDF 流领域的研究空白，通过构建一种新的 RDF 流分类体系，即 RDF Stream Taxonomy (RDF-STaX)。该分类体系采用 OWL 2 DL 本体论语言，遵循 FAIR 原则，并提供了详细文档和额外资源，以促进本体的应用。此外，论文还介绍了两个实际应用案例，并构建了一个新的纳米出版物数据集，用于协作和实时评估 RDF...

该研究提出了一种使用RDF和知识图谱验证ChatGPT事实的新型流程，能够验证85.3%的正确事实并找到62.6%的错误事实的正确答案。

LPWC是一个RDF知识图谱，包含近40万篇机器学习论文的信息，提供科学影响力量化和学术关键内容推荐的新方法。该知识图谱提供多种格式和知识图谱嵌入，可直接应用于机器学习应用中。