2019知识图谱前沿技术论坛

  • 发布时间:2019-10-18
  • |
  • 作者:图书馆
  • |
  • 阅读次数:99

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,将举办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。

会场有展览大厅,可供公司或个人展示知识图谱应用产品或作品,展位自行设计,欢迎垂询。

主办方:北京理工大学计算机学院、北京理工大学图书馆、北京理工大学大数据创新学习中心

协办方:复旦大学知识工场、DataFun

合作媒体:机器之心

赞助:人民邮电出版社

时间:2019年10月20日 8:30 - 18:00

地点:北京理工大学中心教学楼一层报告厅

嘉宾与报告简介


1. 吴信东 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。

个人介绍:吴信东,明略科技集团首席科学家,教育部长江学者,IEEE Fellow、AAAS Fellow。因为在数据挖掘及其应用领域的先驱性贡献(“for pioneering contributions to data mining and applications”),2012年获IEEE计算机学会技术进步奖。 KAIS (Knowledge and Information Systems) 主编和TKDD (ACM Transactions on Knowledge Discovery from Data)的联合主编,也是数据挖掘国际会议ICDM(IEEE International Conference on Data Mining)的创办人和指导委员会主席 。2005年1月至2008年12月,担任《IEEE Transactions on Knowledge and Data Engineering》(TKDE)两届主编。2014年获IEEE ICDM十年最有影响力论文奖,他指导的博士生2014年获中国计算机学会优秀博士学位论文奖。

 

 2. 叶杰平 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。

个人介绍:叶杰平,滴滴出行副总裁,滴滴AI Labs负责人。美国密歇根大学终身教授、大数据研究中心管理委员会成员。曾获KDD和ICML最佳论文奖、美国国家自然科学基金会生涯奖。担任多个机器学习和数据挖掘领域顶级会议主席,机器学习和数据挖掘期刊IEEE TPAMI、DMKD和IEEE TKDE副编委。

 

 3. 肖仰华 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。

个人介绍:肖仰华 GDM@FUDAN负责人。于2009年获得复旦大学计算软件理论博士学位。现任复旦大学计算机学院教授、博导、兼任国内某领先互联网企业首席科学家。主要研究兴趣包括:大数据管理与挖掘、图数据库、中文知识图谱等。曾访问美国贝勒医学院人类基因组测序中心从事海量基因序列数据管理研究,受到微软“铸星计划”支持访问微软亚洲研究院从事十亿规模大图数据管理和知识图谱的研究工作。曾获得中国计算机学会2010年度优秀博士论文提名奖、教育部高校科研成果二等奖。作为负责人或者联合负责人承担10多项各类国家课题与企业课题,受到国家自然科学基金委员会、教育部、微软、IBM、中国电信等相关机构的资助。至今已经在相关领域顶级、知名国际期刊与会议发表论文30多篇。

 

 4. 张日崇 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。

个人介绍:张日崇,博士,北京航空航天大学副教授。主要从事机器学习和人工智能方面的研究及相关方法在自然语言处理、知识图谱和推荐系统等方面的应用。作为项目负责人主持国家自然科学基金2项,并作为科研骨干参与国家973计划、国家863计划、国家自然科学基金等多项重要研究课题。在WWW、SIGIR、AAAI、IJCAI和EMNLP等学术会议上发表学术论文70余篇。现任《Computational Intelligence》编委,担任IJCAI、AAAI、ACL,CIKM和NIPS等高水平国际会议的程序委员会委员。

 

 5. 赵鑫 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。

个人介绍:赵鑫,中国人民大学信息学院副教授。近五年内在国内外著名学术期刊与会议上以第一作者或者第二作者身份发表论文60余篇,其中包括信息检索领域顶级学术期刊 ACM TOIS和学术会议SIGIR、数据挖掘领域顶级学术期刊IEEE TKDE和学术会议SIGKDD、自然语言处理顶级会议ACL和EMNLP。所发表的学术论文取得了一定的关注度,据 Google Scholar统计,已发表论文共计被引用2000余次,其中以第一作者发表的Comparing Twitter and Traditional Media Using Topic Models被引用900余次。担任多个重要的国际会议或者期刊评审,入选第二届CCF青年人才发展计划。曾获得CIKM 2017最佳短文候选以及AIRS 2017最佳论文奖。

 

 6. 王鑫 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。

个人介绍:王鑫博士目前是天津大学智能与计算学部副教授,人工智能学院副院长。他于2009年在南开大学获得工学博士学位,澳大利亚西澳大学、格里菲斯大学访问学者。他是中国计算机学会高级会员、计算机术语审定工作委员会执行委员、数据库专业委员会委员、信息系统专业委员会委员、大数据专家委员会通讯委员、CCF YOCSEF天津主席;中国中文信息学会语言与知识计算专业委员会委员;中国人工智能学会教育工作委员会委员;ACM 会员、IEEE会员。王鑫博士的研究方向包括:知识图谱数据管理和学习、大规模图数据库、大数据分布式处理等。他主持和参与的科研项目包括:国家自然科学基金项目、国家高技术研究发展计划项目、天津市自然科学基金项目、“CCF-华为数据库创新研究计划”、“百度主题研究”项目等。他在IEEE TPDS, Complexity, WWW, ICDE, CIKM, ISWC, ER等国内外学术期刊和会议上发表论文70多篇。他是国际会议JIST2019程序委员会主席、ADMA2019竞赛主席、DASFAA2018宣传主席、JIST2016研讨会主席以及WWW2019, KDD2019, ISWC2019, DASFAA2017~2019, WISE2018~2019等国际会议程序委员会委员。获得APWeb-WAIM2018最佳论文提名奖和最佳演示论文奖。他是中文核心期刊《计算机工程与应用》、《计算机系统应用》编委,IEEE TKDE、KBS、WWWJ等国际期刊审稿人。

 

 7. 李东海 华宇元典 副总经理兼技术总监

分享题目:人工智能在司法领域的实现路径

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。

个人介绍:李东海,北京华宇元典信息服务有限公司副总经理兼技术总监,正高级工程师,清华大学计算机科学与技术系首期创新领军工程博士,中国中文信息学会语言与知识计算专委会委员,2018年度全球新锐领军程序员,主要致力于法律人工智能领域的技术研究,最早将知识图谱技术应用到法律科技业务领域,研究方向包括自然语言处理、信息检索、大数据架构等,参与多项国家重点研发计划项目,是多项法律技术领域相关专利的发明人。

 

 8. 逄金辉 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:

1)知识图谱背景及发展现状;

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。

个人介绍:逄金辉,博士、北京理工大学计算机学院副教授,北京运筹学会常务理事、中国运筹学会理事、CCF会员、人工智能学会会员、数据新闻专委会常务理事。主要研究领域:博弈论及其应用、复杂决策与对策方法、网络信息挖掘与知识管理、知识图谱技术与应用。2015年创办了北理工大学大数据创新学习中心,自2016年开始推进知识图谱前沿技术、行业知识图谱和深度学习,主办了30余次的知识图谱技术、自然语言处理与深度学习、AI科学前沿等论坛与会议,累计参会人数逾3万人。

 

 9. 王希廷 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。

个人介绍:王希廷,微软亚洲研究院主管研究员。2011年于清华大学获得工学学士学位。2017年于清华大学获得工学博士学位。她的研究成果发表在数据挖掘和可视化的顶级会议和期刊上,包括KDD、ICML、TKDE、AAAI、IJCAI、VAST和TVCG等。她的一篇一作论文被TVCG选为2016年12月的spotlight article。她是WWW、AAAI等顶级会议的程序委员会成员,曾担任TKDE、TVCG、InfoVis等顶级会议、期刊的审稿人。

 

 10. 潘路 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。

个人介绍:潘路,美团点评资深算法专家。美团点评-智能交互中心,知识计算与知识问答技术负责人。目前主要负责美团点评内语音交互与知识问答的整体建设,提供各个生活服务领域中,基于知识库的询问、对比、资源组织与专题聚合的各类专有能力与通用化交互问答能力。

 

11. 李凤麟 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。

个人介绍:李凤麟(花名:风奇),阿里巴巴阿里云智能事业群达摩院机器智能技术算法专家,主要工作内容为自然语言处理&知识图谱,负责阿里小蜜家族的智能加速器(AIBoost)和知识云(Knowledge Cloud)两款产品的算法工作。