企业数据分析需要将分析请求与分布在数据库、业务文档以及已有示例任务中的知识进行关联。若缺乏对这些知识的显式表示，代理可能给出错误的分析结果，也难以可靠地接受反馈。AgentOnto 通过构建企业异构知识本体，将本体直接用于分析过程并纳入已确认的反馈。
在本体准备阶段，系统会自生成分析任务，以迭代方式完善本体结构和概念映射。我们在两个公开数据源上对 AgentOnto 进行评估，结果显示其在准确性和鲁棒性上显著优于已有方法。模块级实验进一步验证了本体构建、分析执行和本体更新三个环节的有效性。真实业务部署案例也证明了该方案在企业分析场景中的实用价值。
这些实验表明，显式构建、使用并持续更新企业知识本体能够提升数据分析的可靠性和适应性。
点评