本体学习是一个相对较新的领域，旨在从一些文本或语料库中自动（或半自动）学习或创建本体（使用机器学习、文本挖掘、知识表示和推理、信息检索和自然语言处理技术）。

本体学习可以分为不同的阶段或任务

1. 获取涉及特定概念的术语（命名实体识别）

2. 识别这些术语之间的同义词

3. 分类关系的识别（例如“is-a”关系）

4. 非等级关系的建立

5. 新知识的推导，即没有被本体明确编码的知识。

另请参阅Ontology Learning from Text: An Overview (2003) 和A survey of ontology learning techniques and applications (2018) 了解更多详细信息。

在论文Ontology Learning with Deep Learning: a case study on Patient Safety using PubMed (2016) 中，作者研究了连续词袋 (CBOW) 和 skip-gram （基于人工神经网络的两种语言模型）如何用于帮助患者安全的本体开发，使用PubMed引文作为语料库。

潜在狄利克雷分配（LDA）也被用于本体学习，例如，在论文术语本体学习和使用潜在狄利克雷分配的人口中。（2014）。