本体数据库：一种语义建模新方法及其在脑电数据中的应用

基于摘要分析。本文主要研究 Semantic Web 本体的关系数据库建模与语义查询，而非 EEG 信号解码算法。作者提出利用 SQL triggers 和 foreign-keys 自动构建数据库模型，以高效回答关于具体实例的正向语义查询，并将其应用于 EEG/ERP 知识的设计、存储与交换。 核心机制是以额外数据库存储空间换取查询阶段推理负担的降低。相较既有基于知识的方法，该实现使系统在运行时无需处理完整性约束及其他部分推理。摘要未说明本体表达能力、支持的具体查询范围、额外存储内容及自动建模流程，尚不能判断其适用边界。 作者报告，该方法显著改善查询响应时间，且即使面对中等规模本体，加载时间似乎也未受影响；摘要未提供具体耗时、存储开销、本体规模定义或对照配置，因此这些结论只能按作者的定性报告理解，实验协议、消融及统计信息尚未验证。 EEG/ERP 案例的贡献在于展示本体如何主动指导知识组织与交换，而非证明信号分类、跨被试泛化或在线 BCI 性能提升。案例涉及的数据来源、语义结构、查询任务及复现资源尚未验证；其实际价值仍需结合全文中的查询正确性、性能评估与数据更新机制核对。