讲习班 | ISWC 2022 知识感知的零样本学习

aea9bd990f42614eb4c4151225323e33.png

a1720fc4decff1467903348f1857578a.png

前言

近年来,深度学习技术依托强大的计算资源、复杂的神经网络和大规模的标注数据集在视觉、语言、医学、金融等广泛的研究领域取得了显著的成就。然而,在现实应用场景中,尤其是在开放世界的背景假设下,随时会有一些新的概念/对象出现,持续地为这些新概念/对象收集样本并进行标注是极为不现实的。因此,致力于解决深度学习模型在没有标注数据条件下学习和预测问题的零样本学习方法(Zero-shot Learning, ZSL)被提出并引起广泛的研究兴趣,有效地缓解了现有深度学习模型尤其是有监督学习模型对标注数据(即训练样本)的依赖。

ZSL系列算法的有效实施离不开额外的语义知识,这些知识对所预测的对象在除样本之外的维度进行了描述,且相比于标注样本更容易获取,从而帮助模型进行有效的特征迁移并完成推理预测。典型的语义知识如文本描述、属性标注,此外,知识图谱及本体在该领域也被广泛应用。不同类型的语义知识,其获取难度、表达能力以及对于ZSL模型的增益都有着很大区别,因此,在本年度国际语义网大会上,我们组织了讲习班报告,从知识的视角,特别是知识图谱的视角,对零样本学习技术相关的概念、技术路线和数据资源进行详细的介绍,同时准备相关demo算法供听众学习,希望以这类知识驱动的零样本学习技术为出发点,探究“机器认知”+“知识感知”“神经”+“符号”的有效集成模式,从而推动人工智能系统的进步。

报告亮点

在本次报告中,我们将为各位听众带来:

•0基础了解零样本学习技术背景、多维度垒石知识图谱基础

•知识驱动的零样本学习主要技术路线及方法

•多领域开放数据资源、多案例demo算法快速入门

45b41872893ce78d96310848fd934364.png

讲者介绍

Jiaoyan Chen is a Senior Researcher at Department of Computer Science, University of Oxford, working in the Knowledge Representation and Reasoning Group led by Prof. Ian Horrocks. In past ten years, he has been working on KG construction and curation technologies, knowledge-aware machine learning (including KG-based low-resource learning, inductive KG completion, concept drift in ontology stream learning, knowledge-augmented explanation), as well as the applications of these semantic and machine learning technologies.

Yuxia Geng is a PhD student in the Knowledge Engine Group at Zhejiang University, advised by Prof. Huajun Chen. Her research interests include KG-aware ZSL, inductive KG representation and reasoning, and Neuro-symbolic Integration. She has been contributing to Knowledge-driven ZSL, with a few papers published in Journal of Web Semantics, Semantic Web Journal, KDD, WWW, ACL, IJCAI, ISWC, and KR as a main author.

Yufeng Huang is a MSc student in the Knowledge Engine Group at Zhejiang University, advised by Prof. Huajun Chen. His research interests include KG, ZSL and visual language models. He is familiar with kinds of machine learning and KG coding skills, and mainly contribute to the hands-on session.

Huajun Chen is a full professor of College of Compouter Science and Technology at Zhejiang University. He has over 20 years research experience on topics such as the Semantic Web, KG, low-resource learning, Big Data and NLP. His research on KG has won several international and national awards, such as the best paper of ISWC 2006. Prof. Chen serves as the Area Editor of Journal of Web Semantics, and leads OpenKG, an open KG initiative launched in 2015. Huajun has been teaching in Zhejiang University for over 15 years for courses such as Introduction to Knowledge Graph and Object Oriented Programming.

大会介绍

International Semantic Web Conference (ISWC) 是语义网知识图谱领域的国际顶级学术会议,自2002年第一届会议举办以来,20年间,全世界相关的科研工作者、从业者和领域专家,在会议上共同探讨、推进、塑造知识图谱与语义网技术未来。2022年,第21届ISWC会议将通过线上的方式于10月23至27日期间举办。

ISWC 2022 会议官网:https://iswc2022.semanticweb.org/

报告时间

2022年10月23日

北京时间:16:00-20:00

欧洲中部夏令时:10:00-14:00

北美东部夏令时:04:00-08:00

日程安排

33e7ce2a483c6f2f50a436d7abc2e37d.png

其他参与人员

我们有众多非常出色的研究人员参与了我们在零样本学习和知识图谱方面的工作,并对我们的Tutorial提出了宝贵的建议,包括来自爱丁堡大学的Jeff Z. Pan博士,来自浙江大学的张文博士和陈卓同学,来自牛津大学的Ian Horrocks教授等等。

更多详情

d9f0d681e664e2dc88e60ba599d8f324.png

点击阅读原文,进入讲习班页面


OpenKG

OpenKG(中文开放知识图谱)旨在推动以中文为核心的知识图谱数据的开放、互联及众包,并促进知识图谱算法、工具及平台的开源开放。

bbf63777df6553dbade3c8dd198ad379.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/477508.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

谷歌提出 RNN 版 Transformer,或为长文本建模的当前最优解

文 | 小轶今天给大家介绍一篇谷歌的最新工作,解决的是 Transformer 的长文本处理问题。在原生 Transformer 中,attention 的复杂度是输入序列长度的平方级别,因此限制了它处理长文本的能力。简单来说,本文提出的解决方案就是把 Tr…

Spring Cloud构建微服务架构:服务容错保护(Hystrix依赖隔离)【Dalston版】

前言 在上一篇《Spring Cloud构建微服务架构:服务容错保护(Hystrix服务降级)》中,我们已经体验了如何使用HystrixCommand来为一个依赖资源定义服务降级逻辑。实现方式非常简单,同时对于降级逻辑还能实现一些更加复杂的…

重点领域知识工程课程群虚拟教研室建设启动会暨第一次教学研讨会在线召开...

重点领域知识工程课程群虚拟教研室启动会暨第一次教学研讨会于2022年10月11日晚在线召开。重点领域教学资源建设项目管理办公室相关负责人、中国中文信息学会语言与知识计算专委会主任李涓子、天津大学智能与计算学部主任李克秋出席会议并致辞。天津大学人工智能学院院长胡清华…

LeetCode 556. 下一个更大元素 III

1. 题目 给定一个32位正整数 n,你需要找到最小的32位整数,其与 n 中存在的位数完全相同,并且其值大于n。如果不存在这样的32位整数,则返回-1。 示例 1: 输入: 12 输出: 21示例 2: 输入: 21 输出: -1来源:力扣&#x…

这可能是你与 AI 大神们近距离接触的唯一机会……

明人不说暗话:作为粤海街头放飞梦想的有志青年,他们可能是国内最大胆的「狗仔队」。从2016年成立至今,他们报道过:国内外数十场 AI 学术会议动态,写下老中青研究者们在会场前线的精神风采AI 领域的每一个最新研究突破&…

Spring Cloud构建微服务架构:服务容错保护(Hystrix服务降级)【Dalston版】

前言 在微服务架构中,我们将系统拆分成了一个个的服务单元,各单元应用间通过服务注册与订阅的方式互相依赖。由于每个单元都在不同的进程中运行,依赖通过远程调用的方式执行,这样就有可能因为网络原因或是依赖服务自身问题出现调…

论文浅尝 | 基于注意力图卷积神经网络的依存驱动关系抽取

笔记整理:王大壮论文链接:https://aclanthology.org/2021.acl-long.344.pdf动机句法信息,特别是依存树,已经被广泛应用于关系提取,以更好地分析与给定实体相关联的上下文信息。然而大多数现有的研究都饱受依赖树噪声的影响,特别是当它们自动生…

别再龟速炼丹了!聊聊怎样科学提升训练效率

文 | Horace He等编 | Juniper源 | 机器之心深度学习是门玄学?也不完全是。每个人都想让模型训练得更快,但是你真的找对方法了吗?在康奈尔大学本科生、曾在 PyTorch 团队实习的 Horace He 看来,这个问题应该分几步解决&#xff1a…

LeetCode 第 17 场双周赛(469/897,前52.3%)

文章目录1. 比赛结果2. 题目LeetCode 5143. 解压缩编码列表 easyLeetCode 5144. 矩阵区域和 mediumLeetCode 5145. 祖父节点值为偶数的节点和 mediumLeetCode 5146. 不同的循环子字符串 hard1. 比赛结果 做出来了1, 3两题,第2题在比赛结束后10分钟提交通过。 2.…

Spring Cloud构建微服务架构:分布式配置中心【Dalston版】

Spring Cloud Config是Spring Cloud团队创建的一个全新项目,用来为分布式系统中的基础设施和微服务应用提供集中化的外部配置支持,它分为服务端与客户端两个部分。其中服务端也称为分布式配置中心,它是一个独立的微服务应用,用来连…

图谱实战 | 知识图谱在美团搜索酒旅场景认知中的应用

分享嘉宾:陈骐 美团 高级算法专家编辑整理:毛佳豪 中国平安浙江分公司(实习)出品平台:DataFunTalk导读:知识图谱凭借能够以图模型描述知识和世界万物关联关系的特性,在各行业领域大放异彩。与此同时,知识图…

AI技术在空气净化机器人中的高能应用

本文转载自公众号“夕小瑶的卖萌屋”,专业带逛互联网算法圈的神操作 -----》我是传送门 关注后,回复以下口令: 回复【789】 :领取深度学习全栈手册(含NLP、CV海量综述、必刷论文解读) 回复【入群】&#xf…

Spring Cloud构建微服务架构:服务消费(Feign)【Dalston版】

通过前两篇《Spring Cloud构建微服务架构:服务消费(基础)》和《Spring Cloud构建微服务架构:服务消费(Ribbon)》,我们已经学会了在Spring Cloud中基本的服务调用方式。本文我们将继续介绍Spring…

LeetCode 1317. 将整数转换为两个无零整数的和

1. 题目 「无零整数」是十进制表示中 不含任何 0 的正整数。 给你一个整数 n,请你返回一个 由两个整数组成的列表 [A, B],满足: A 和 B 都是无零整数A B n 题目数据保证至少有一个有效的解决方案。 如果存在多个有效解决方案&#xff…

预训练模型对实体的表示能力差?一个简单有效的解法来了(开源)

本文转载自公众号“夕小瑶的卖萌屋”,专业带逛互联网算法圈的神操作 -----》我是传送门 关注后,回复以下口令: 回复【789】 :领取深度学习全栈手册(含NLP、CV海量综述、必刷论文解读) 回复【入群】&#xf…

图谱实战 | 深度应用驱动的医学知识图谱构建

分享嘉宾:徐美兰 浙江数字医疗卫生技术研究院 数字医学知识中心主任编辑整理:李杰 京东出品平台:DataFunTalk导读:数研院这些年在知识图谱建设上取得了丰硕成果,今天我们将图谱构建过程中的经验、心得分享给大家&#…

朴素贝叶斯法(Naive Bayes,NB)

文章目录1. 朴素贝叶斯法的学习与分类1.1 基本方法2. 参数估计2.1 极大似然估计2.2 学习与分类算法2.2.1 例题2.2.2 例题代码2.3 贝叶斯估计(平滑)2.3.1 例题2.3.2 例题代码3. 自编程实现NB4. sklearn.naive_bayes1. 朴素贝叶斯法的学习与分类 1.1 基本…

《Easy RL:强化学习教程》出版了!文末送书

作为人工智能里最受关注的领域之一,强化学习的热度一直居高不下,但它的学习难度也同样不低。在学习强化学习的过程中,遇到了有无数资料却难以入门的问题,于是发起了Datawhale强化学习项目,希望自学的同时帮助更多学习者…

Spring Cloud构建微服务架构:服务消费(基础)【Dalston版】

通过上一篇《Spring Cloud构建微服务架构:服务注册与发现》,我们已经成功地将服务提供者:eureka-client或consul-client注册到了Eureka服务注册中心或Consul服务端上了,同时我们也通过DiscoveryClient接口的getServices获取了当前…

论文浅尝 | Temporal Knowledge Graph Completion Using Box Embeddings

笔记整理:杨露露,天津大学硕士论文链接:https://www.aaai.org/AAAI22Papers/AAAI-6210.MessnerJ.pdf动机时态知识图谱补全(TKGC)中的主要挑战是额外学习时间戳嵌入,以便嵌入模型根据关系、实体和时间戳嵌入…