本文转载自公众号：专知。
知识图谱封装了实体和关系。知识图谱的简洁表示格式和图的特性使得许多新的Web应用程序得以创建，并增强了现有的应用性能。然而，在一个知识图谱中，描述一个实体的几十个或几百个事实可能会超出一个典型用户界面的能力，并使用户超载过多的信息。这激发了对实体摘要的富有成果的研究——为实体自动生成紧凑的摘要，以高效和有效地满足用户的信息需求。例如，在其搜索结果页面右侧，谷歌通过选择和显示用户可能正在搜索的特定实体的一些事实，为其知识图中的实体提供“最佳摘要”。
近年来，研究人员通过提出从纯粹的排序和挖掘技术到机器和深度学习技术等各种方法，对这个问题做出了贡献。技术水平不断提高，同时也使社区和新来者很难跟上该领域最近和过去的贡献。此外，尽管知识图谱在学术界和产业界越来越流行，但迄今为止还没有对该问题领域的最新趋势和基本构件进行教育和讨论。本教程的目的就是填补这一空白。
https://sites.google.com/view/entity-summarization-tutorials/www2020
点击阅读原文，下载 PPT。
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。
