在本研究中，我们探讨了OWL本体在语义推理中的应用，尤其是在不完整性带来的挑战下。OWL本体作为一种正式的知识表示框架，广泛应用于医疗和生物信息学等领域。然而，现实中的本体往往是缺失的，这对推理提出了挑战。
我们聚焦于一个基本的子类推理问题：给定一个不完整的本体和一个候选的（非蕴含）子类，如何判断该子类在语义上是否合理，并提供逻辑上可靠的解释，包括潜在的缺失公理。
为了解决这一推理问题，我们提出了NeurOWL，一个端到端的神经符号框架，它联合执行验证和推导，利用形式定义的语义与文本语义，通过大语言模型和本体嵌入来实现。我们在多个领域的真实本体上对NeurOWL进行了评估，结果显示其在不同领域具有强大而稳健的性能。
博主点评： NeurOWL通过结合神经网络和符号推理，展现了在处理不完整本体推理方面的创新能力。这一方法不仅提升了推理的准确性，还为本体缺失问题提供了新的解决思路，具有广泛的应用潜力。