本研究提出了一种基于SHACL和SKOS的混合本体，解决了制药行业材料安全数据表（SDS）信息集中化和访问困难的问题，提升了化学品安全沟通与合规性，促进了数据共享与整合效率。

本研究分析了图形模式语言（SHACL、ShEx和PG-Schema）的共性与差异，提供了统一框架，明确核心组件及其功能，帮助用户选择合适工具以提升数据质量。

本文介绍了与一阶逻辑（FOL）和本体推理相关的工具和方法，包括 Gavel、Shape Expressions Language 2.0、FOLIO 数据集和 LogicLLaMA 算法。这些研究旨在提高自然语言推理的有效性和准确性，并探讨自然语言与逻辑规则之间的转换。

该文汇总了语义网与知识图谱的多项研究，包括RDF验证语言ShEx 2.0的语法、语义与验证算法，SPARQL查询优化与复杂度分析，基于谱图理论的图学习框架，通过本体重塑提升知识图谱质量，LiveSchema网关服务，以及神经机器翻译用于自然语言转SPARQL查询。