征稿截止：2020年06月15日
近年来，学术界和工业界领域都相继构建和发布了越来越多的大规模知识图谱，如DBpedia、YAGO、Freebase、Wikidata、Google knowledge Graph、Microsoft Satori、Facebook Entity Graph等。事实上，来自不同领域的大规模知识图谱本质上是由具有不同表达能力的实体、属性和语义关系组成的图结构大数据。然而，大规模知识图谱的本体结构和图谱内部固有复杂性，对现有大数据管理和处理的相关理论和方法提出了严峻挑战。本专刊旨在为大数据与知识图谱的交叉研究提供一个平台，希望针对包括大规模知识图谱的构建、大规模知识图谱的数据管理、大规模知识图谱的数据处理、大规模知识图谱的推理、基于大规模知识图谱的机器智能、大规模知识图谱的表示学习、大规模知识图谱的可视化，以及基于知识图谱的大数据应用等诸多挑战，征集优秀的研究论文。
希望来自知识工程、数据管理、数据挖掘、数据科学、机器学习和自然语言处理等领域的全球研究人员提交高质量的论文，展示有效和高效的大规模知识图谱数据模型、方法和实用工具，论文主题包括（但不限于）:
applications based on big knowledge graphs
construction of big knowledge graphs
data mining on big knowledge graphs
data processing on big knowledge graphs
data storage for big knowledge graphs
machine intelligence based on big knowledge graphs
natural language processing based on big knowledge graphs
query processing on big knowledge graphs
reasoning on big knowledge graphs
representation learning on big knowledge graphs
visualization of big knowledge graphs
投稿网址https://www.editorialmanager.com/bdr
投稿时文章类型请选择 “SI: Big Data Meets KGs”.
重要日期（Important Date）：
征稿截止: 2020年06月15日
接收通知: 2020年10月15日
点击阅读原文，进入投稿网站。
OpenKG
开放知识图谱（简称 OpenKG）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。
