論文の概要: OWLAPY: A Pythonic Framework for OWL Ontology Engineering

• arxiv url: http://arxiv.org/abs/2511.08232v1
• Date: Wed, 12 Nov 2025 01:47:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.709091
• Title: OWLAPY: A Pythonic Framework for OWL Ontology Engineering
• Title（参考訳）: OWLAPY:OWLオントロジーエンジニアリングのためのPythonフレームワーク
• Authors: Alkid Baci, Luke Friedrichs, Caglar Demir, Axel-Cyrille Ngonga Ngomo,
• Abstract要約: OWLAPYは、OWL 2.0の作成、修正、シリアライズのための包括的なPythonフレームワークである。 ネイティブのPythonベースの推論と外部Java推論のサポートを統合し、ユーザに柔軟性を提供する。 OWLAPYは、高度なエンジニアリングのための柔軟なPythonライブラリを求めているユーザのための、十分にテストされたソフトウェアフレームワークとして機能する。
• 参考スコア（独自算出の注目度）: 7.984370990908576
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce OWLAPY, a comprehensive Python framework for OWL ontology engineering. OWLAPY streamlines the creation, modification, and serialization of OWL 2 ontologies. It uniquely integrates native Python-based reasoners with support for external Java reasoners, offering flexibility for users. OWLAPY facilitates multiple implementations of core ontology components and provides robust conversion capabilities between OWL class expressions and formats such as Description Logics, Manchester Syntax, and SPARQL. It also allows users to define custom workflows to leverage large language models (LLMs) in ontology generation from natural language text. OWLAPY serves as a well-tested software framework for users seeking a flexible Python library for advanced ontology engineering, including those transitioning from Java-based environments. The project is publicly available on GitHub at https://github.com/dice-group/owlapy and on the Python Package Index (PyPI) at https://pypi.org/project/owlapy/ , with over 50,000 downloads at the time of writing.
• Abstract（参考訳）: 本稿では,OWLオントロジー工学のためのPythonフレームワークOWLAPYを紹介する。 OWLAPYはOWL2オントロジーの作成、修正、シリアライゼーションを効率化する。 ネイティブのPythonベースの推論と外部のJava推論のサポートを独自に統合し、ユーザに柔軟性を提供する。 OWLAPYはコアオントロジーコンポーネントの複数の実装を促進し、OWLクラス式とDescription Logics、 Manchester Syntax、SPARQLといったフォーマット間の堅牢な変換機能を提供する。 また、ユーザは、自然言語テキストからオントロジー生成で大きな言語モデル(LLM)を活用するためのカスタムワークフローを定義することもできる。 OWLAPYは,Javaベースの環境からの移行を含む,高度なオントロジーエンジニアリングのための柔軟なPythonライブラリを求めるユーザのための,十分にテストされたソフトウェアフレームワークとして機能する。 プロジェクトはGitHubでhttps://github.com/dice-group/owlapyで公開されており、Python Package Index (PyPI)でhttps://pypi.org/project/owlapy/で公開されている。

関連論文リスト

• Ontolearn-A Framework for Large-scale OWL Class Expression Learning in Python [39.28980157397703]
  Ontolearnは、大きな知識グラフ上でOWLクラス表現を学習するためのフレームワークである。 学習したOWLクラス式は、知識グラフのインスタンスを分類するために使用することができる。 Ontolearnはリモートのトリプルストア上で簡単に操作できる。
  論文  参考訳（メタデータ） (2025-10-13T16:04:06Z)
• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
  $textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。 私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
  論文  参考訳（メタデータ） (2024-03-12T16:46:54Z)
• Causal-learn: Causal Discovery in Python [53.17423883919072]
  因果発見は、観測データから因果関係を明らかにすることを目的としている。 $textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
  論文  参考訳（メタデータ） (2023-07-31T05:00:35Z)
• DeepOnto: A Python Package for Ontology Engineering with Deep Learning [21.459646169565602]
  ディープラーニングを用いたエンジニアリング用に設計されたPythonパッケージであるDeepOntoを提示する。 DeepOntoは、さまざまなエンジニアリングタスクをサポートする一連のツール、機能、アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-07-06T15:35:02Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python [1.4911092205861822]
  DoubleMLはオープンソースのPythonライブラリで、Chernozhukovらのダブル機械学習フレームワークを実装している。 パラメータの推定が機械学習手法に基づく場合、因果パラメータの統計的推測に有効な機能を含む。 このパッケージはMITライセンスで配布されており、科学的なPythonエコシステムのコアライブラリに依存している。
  論文  参考訳（メタデータ） (2021-04-07T16:16:39Z)
• SuperSuit: Simple Microwrappers for Reinforcement Learning Environments [0.0]
  SuperSuitはPythonライブラリで、すべての人気のあるラッパーとラッパーが含まれており、観察/アクション/リワードに関数を簡単に適用できる。 これは、標準のGym環境仕様と、マルチエージェント環境のためのPettingZoo仕様と互換性がある。
  論文  参考訳（メタデータ） (2020-08-17T00:30:06Z)
• pyBART: Evidence-based Syntactic Transformations for IE [52.93947844555369]
  pyBARTは、英語のUD木を拡張UDグラフに変換するためのオープンソースのPythonライブラリである。 パターンに基づく関係抽出のシナリオで評価すると、より少ないパターンを必要としながら、より高精細なUDよりも高い抽出スコアが得られる。
  論文  参考訳（メタデータ） (2020-05-04T07:38:34Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。