本体嵌入：方法、应用与资源综述

本体广泛用于表示领域知识和元数据，在信息系统、语义网、生物信息学等诸多领域发挥越来越重要的作用。然而，能够直接支持的逻辑推理在学习、近似和预测方面的能力有限。一个直接的解决方案是将统计分析和机器学习集成到其中。为此，自动学习本体知识的向量表示，即本体嵌入（ontology embedding），受到广泛关注。尽管已有大量论文关于本体嵌入，但缺乏系统性的综述使研究者难以全面了解该领域。为弥合这一差距，本文提出了一项综述论文，首先介绍本体的不同语义类型，并正式定义本体嵌入及其忠实性属性。基于此，本文按照所针对的本体及其技术解决方案（包括几何建模、序列建模和图传播）进行系统分类和分析，涵盖了超过 80 篇相关论文。本综述还介绍了本体嵌入在本体工程、机器学习增强和生命科学中的应用，提出了一个新的库 mOWL，并讨论了挑战与未来方向。