![]()
2018年3月，复旦大学知识工场联合北京理工大学大数据创新学习中心，举办了北京首场“知识图谱前沿技术论坛”，拉开了知识图谱在人工智能领域应用的序幕。
2019年，在数据、算法和算力合力驱动下，人工智能进入了飞跃发展时期，各个领域已经积累了丰富的数据、完善的专家知识和领域知识，为知识图谱有效落地奠定了基础，但仍存在场景知识表达难以完备化、更新困难以及推理欠缺等实际问题。
为提升行业人员准确界定知识图谱应用场景需求能力，提高知识图谱技术的行业普及程度，进一步推进知识图谱技术人工在智能领域的有效应用，北京理工大学与复旦大学再次联手，发起2019年“知识图谱前沿技术论坛”。
本论坛不收取任何费用，旨在提供学界与业界的充分交流平台，欢迎各界人士莅临本论坛。
时间：2019 年 10 月 20 日 8:30 - 18:00
地址：北京理工大学中心教学楼一层报告厅
论坛日程
嘉宾与报告简介
![]()
明略科技集团首席科学家，教育部长江学者，IEEE FELLOW
分享题目：知识图谱的自动构建
内容摘要：
知识图谱的构建包括逻辑建模、隐含空间分析、人机交互和本体模型支撑等多种方法。
我们分析各种构建方法的问题和挑战，指出自动构建的要素和应用场景。
![]()
滴滴出行副总裁滴滴AI Labs负责人
分享题目：图数据挖掘在滴滴的应用
内容摘要：滴滴在全球拥有超过5.5亿的用户，每天都产生了大量出行相关的数据。滴滴的出行知识图谱是这些实体、属性及行为的数字化表示。为了让数据发挥更大的作用，我们构建并深入挖掘了大规模的领域知识图谱，并依托这些图数据构建各种不同场景的有效解决方案。本次报告叙述了领域知识图谱在滴滴生态中的广泛研究和应用，包括基于实体图谱的图计算、图嵌入、知识融合等案例服务，以及业务知识图谱中以智能对话机器人和信息推荐为代表的应用。
![]()
复旦大学计算机学院教授
分享题目：知识图谱的下半场：机遇与挑战
内容摘要：
知识图谱技术自2012年推出以来，取得了极大的发展，已经成为大数据时代的重要知识表示之一，成为了大数据知识工程的典型代表，成为了认知智能实现的核心基础技术，有力了推动智能化的发展进程。
过去几年，知识图谱技术在大规模简单应用场景取得了显著落地效果。
近年来，知识图谱日益从数据丰富的大规模简单应用场景转向专家知识密集但数据相对稀缺的小规模复杂应用。
这一转向过程所呈现出的一系列全新的形势，诸如繁杂的应用场景、深度的知识应用、密集的专家知识、有限数据资源等等，都为知识图谱落地带来了巨大挑战。
知识图谱技术的研究与应用日益进入深水区，知识图谱的“下半场”的态势已经十分明显。
本报告将结合知识工场实验室往年的实践和近期的探索系统整理知识图谱的上半场的主要成果，分析知识图谱下半场的挑战与机遇，以期为各行业的认知智能实践带来有益的参考。
![]()
北京航空航天大学副教授
分享题目：知识库扩充方法研究
内容摘要：
现有知识库的扩充方法多基于实体和关系本身进行建模，对辅助信息考虑不够充分。
本报告将讨论利用类型、结构和文本三类辅助信息构建知识库补全模型方面的尝试。
具体包括：
1）融合层次类型体系的嵌入框架：
类型在知识库中以层级形式存在，通过类型约束增强实体和关系表示，增强知识表示蕴含的信息。
2）融合邻居结构信息的嵌入模型：
利用注意力机制选择相关结构信息，屏蔽结构信息中噪音的影响，达到结构信息辅助扩充的目的。
3）融合文本描述信息的嵌入方法：
针对尚未纳入知识库的实体，建立实体描述文本与实体映射模型，实现非知识库实体的链接预测。
![]()
中国人民大学信息学院副教授
分享题目：知识驱动的推荐技术概览
内容摘要：
知识图谱以结构化的方式提供了实体的丰富信息。
最近有很多通用知识图谱问世，如 Freebase、YAGO 等。
这些知识图谱包含了大量现实世界的实体，如果能够将这些知识图谱与现实系统打通，就能很好地扩充已有的系统数据，改进研究和应用。
本次授课首先介绍如何通过启发式途径将 Freebase 和 YAGO 的实体与在线推荐系统中的物品所关联。
然后，介绍如何基于这些关联的知识图谱实体信息来改进（1）推荐系统的效果和（2）物品流行度的预测。
最后，总结整个授课内容，并且对于未来研究方向进行展望。
![]()
天津大学人工智能学院副院长
分享题目：知识图谱数据管理新进展
内容摘要：
知识图谱是人工智能的重要基石。
各领域大规模知识图谱的构建和发布对知识图谱数据管理提出了新的挑战。
本报告以数据模型的结构和操作要素为主线，对目前知识图谱数据管理相关理论、方法、技术与系统的新进展进行介绍，包括：
RDF图和属性图模型、知识图谱查询语言、知识图谱存储管理、知识图谱查询处理、主流知识图谱数据库管理系统等，同时介绍团队近年来在知识图谱数据管理方向所取得的最新成果，并展望知识图谱数据管理的未来研究方向。
![]()
华宇元典副总经理兼技术总监
内容摘要：
“认知”技术是贯穿整个人工智能研发的核心技术，良好的认知能够基于感知数据，对问题进行“思考”并作出判断。
目前的知识图谱技术、深度学习技术正在司法领域中实践应用。
从法律人工智能行业来看，法律行业的知识是有层级、有分类、有核心概念的，还积累了大量结构化半结构化文本、图像、语音数据，这是天然的知识图谱技术的应用场景。
从司法行业需求开始，构建不同应用场景下的知识图谱，力图使机器首先成为司法领域的行业“专家”，华宇元典一直努力将人工智能在司法领域中落地。
![]()
北京理工大学计算机学院副教授
分享题目：
行业知识图谱+：
从平台化实践到中台化思考
内容摘要：
知识图谱是实现感知智能到认知智能跨越的基石。
本报告主要内容包括：
2）行业知识图谱生命周期的环节及关键技术；
3）知识图谱平台化实践及典型应用场景；
4）知识图谱中台化的思考与探索。
![]()
微软亚洲研究院主管研究员
分享题目：基于知识图谱的可解释推荐
内容摘要：
知识图谱除了可以帮助提高模型准确性，还可以增强可解释性，这在很多应用，如推荐系统中有重要应用。
传统的推荐系统将重心放在提高推荐准确性上，与推荐对象的沟通通常考虑得不够。
可解释的推荐系统能够给出用户最易接受的推荐解释，充分抓住用户心理与用户沟通。
研究发现，这样的系统不仅能够提升系统透明度，还能够提高用户对系统的信任和接受程度、用户选择体验推荐产品的概率以及用户满意程度等等。
在这次报告中，我们将介绍如何利用知识图谱进行可解释推荐。
![]()
美团点评资深算法专家
分享题目：基于知识图谱的问答在O2O智能交互场景中的应用和演进
内容摘要：
目前，美团点评O2O场景涉及到众多生活服务类领域与需求，包括点餐、外卖、酒店、旅游、娱乐等等。
智能语音交互在这些领域中扮演了越来越重要的角色，这其中，融合知识图谱进行资源的查询和信息的询问成为主要的交互方式。
本次分享将从传统KBQA技术出发，重点阐述怎么结合O2O特有场景和特殊问题，从资源建设和查询理解层面对KBQA进行应用以及演化。
![]()
阿里巴巴达摩院算法专家
分享题目：结构化知识在阿里小蜜的应用
内容摘要：
近年来，知识图谱技术在业界越来越受重视，并且逐渐落地。
过去的一年多时间里，阿里小蜜在知识的结构化应用方面进行了大胆的创新和尝试，实际落地了商家业务、消费者活动、直播小蜜等应用，并且经受了双11的洗礼。
本次报告中，我们将介绍阿里小蜜在知识图谱、事理图谱和场景图谱方面的相关构建工作及其应用。
![]()
识别二维码，立即免费报名
微信扫码咨询专知VIP会员