如何快速接入知识图谱以应对复杂业务场景？

会员服务 ·

如何快速接入知识图谱以应对复杂业务场景？

2019 年 5 月 28 日 AI前线

AI 技术的快速发展使其从“感知”逐渐向“认知”突破，知识图谱则是实现机器“认知”的重要技术手段。知识图谱将客观世界中概念、实体及其关系结构化展现，通过将互联网信息转换成人类认知世界的形式，以提供对海量信息更好的理解能力。

那么，哪些企业已经开始使用知识图谱和认知智能？他们已经达到什么水平？在使用这项技术时会遇到哪些问题？未入局者，如何更快接入该项技术以应对复杂业务场景呢？

带着对上述问题的解答，5 月 30 日，北京智源人工智能研究院将邀请多位清华大学计算机系的专家前来分享。通过主题演讲和现场互动答疑的形式，与相关领域的开发人员分享自己的见解，同时展示这项技术面临的挑战以及未来的发展趋势。

议题一：用知识为 AI 赋能

李涓子

清华大学计算机系教授、

中文信息学会语言知识计算专委会主任

演讲摘要：

拥有大规模知识库的计算机是机器智能的基础所在，而知识引擎又是大数据时代的一项关键技术，它为智能化知识服务提供核心技术支持，这次的演讲将讨论机器智能需要的基础，大数据与知识引擎之间面临的挑战，以及智能服务领域新业态的建立未来的发展趋势。

亮点：知识工程关键技术

议题二：基于深度学习的机器翻译

刘洋

清华大学智能技术与系统实验室主任、

清华大学计算机系长聘副教授、博士生导师

演讲摘要：

机器翻译研究如何利用计算机实现自然语言之间的自动翻译，是人工智能和自然语言处理领域的重要研究方向之一。基于深度学习的机器翻译方法主张利用神经网络直接实现自然语言之间的自动翻译，通过注意力机制有效处理长距离依赖，目前已取代传统的统计机器翻译成为学术界和工业界新的主流方法。

本次讲座将会对清华大学在自然语言领域的研究进展进行介绍，并且对深度学习在机器翻译上的发展方向进行探讨。

亮点：神经网络序列到序列模型

议题三：知识指导的自然语言处理

刘知远

清华大学计算机系副教授、博士生导师

演讲摘要：

深度学习技术可解释性不强的特点是该领域的一大挑战，将人类积累的大量语言知识和世界知识引入学习模型可以有效提升性能。本次讲座将介绍知识指导的自然语言处理最新进展，并对其应用过程中面临的挑战进行详细分析。

亮点：知识指导深度学习模型性能提升

议题四：基于认知的异质资源搜索与推荐技术

刘奕群

清华大学计算机系长聘副教授、博士生导师、

中国人工智能学会、中文信息学会理事

演讲摘要：

互联网应用系统已成为整合人类社会各种信息与知识的主要渠道，同时也面临着复杂的设备环境、多模态异质媒体、个性化的复杂交互方式等问题，这也对搜索与推荐技术的未来发展提出了新的挑战。本次演讲以清华大学在异质资源搜索与推荐技术领域研究现状为主题，重点介绍异质环境下用户交互模型构建、性能搜索评价以及可解释性推荐等工作进展以及未来的发展趋势。

亮点：搜索与推荐技术发展、用户交互行为模型构建、异质多模态资源的聚合排序、异质环境下的搜索性能评价、异质环境下的可解释推荐

时间及地点

时间：5 月 30 日 14:00 - 17:20

地点：北京 · 清华大学中央主楼二楼接待厅

日程安排

报名方式

扫描下图二维码或点击【阅读原文】进行报名，请添加小助手微信： Tango2018cc 获取免费入场门票。

关于主办方

北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，BAAI）是在科技部和北京市委市政府的指导和支持下，由北京市科委和海淀区政府推动成立，依托北京大学、清华大学、中国科学院、百度、小米、字节跳动、美团点评、旷视科技等北京人工智能领域优势单位共建的新型研究机构。