以己之KR，索己之貌：一种基于知识表示索引语义网端点与知识图谱的方法
信息检索
2025-08-13 v1
摘要
在过去十年中，知识图谱在万维网上成倍增加、增长和演化，新标准、词汇表和应用领域的出现加速了这一趋势。IndeGx 是一个利用可扩展规则库来索引知识图谱内容及其 SPARQL 端点能力的框架。在本文中，我们展示了如何以反思性的方式使用知识表示（KR）和推理方法与技术，来索引和表征现有知识图谱（KG）对 KR 方法和技术的使用情况。我们为此扩展了 IndeGx，采用了一种完全面向本体的建模和处理方法。利用 SPARQL 规则和索引领域的 OWL RL 本体，IndeGx 现在可以构建并推理一个关于开放公共知识图谱集合的内容和特征的索引。我们框架的扩展依赖于程序性知识的声明式表示和协作环境（例如 GitHub），为构建和维护这样一个野外知识图谱索引提供了一种敏捷、可定制且富有表现力的 KR 方法。通过这样做，我们帮助任何人回答“在广阔的语义网中到底存在哪些知识”这一问题，同时也帮助我们的社区监测哪些 KR 研究成果在实践中得到了应用。特别是，本文通过将这种方法应用于一个包含超过 300 个开放知识图谱端点的集合，提供了关于所支持的标准语言、本体使用情况以及多样化质量评估的语义网现状快照。
引用
@article{arxiv.2508.08713,
title = {Eat your own KR: a KR-based approach to index Semantic Web Endpoints and Knowledge Graphs},
author = {Pierre Maillot and Catherine Faron and Fabien Gandon and Franck Michel and Pierre Monnin},
journal= {arXiv preprint arXiv:2508.08713},
year = {2025}
}