CNCC 技术论坛 | 知识图谱赋能数字经济

640?wx_fmt=png

2018中国计算机大会(CNCC2018)将于10月25-27日在杭州国际博览中心(G20会场)举行,大会主题为「大数据推动数字经济」(Big Data Drives the Digital Economy)。


10月15日前报名可享优惠,详见文末信息。


知识图谱代表万维网发展的一种终极理想,同时也是人工智能与互联网深度融合的产物,因此从人工智能和互联网的双重视角,知识图谱的未来是什么?它对于数字经济的价值和意义有哪些?它又会以什么样的方式得以落地实现?这些问题将在本论坛充分探讨。


时间:10月26日下午13:30-17:30

地点:杭州国际博览中心二层新闻发布厅B


知识图谱的早期理念来自于万维网之父Tim Berners Lee于1998年提出的Semantic Web,最初理想是把基于文本链接的万维网转化成基于实体链接的语义网。本质而言,知识图谱是一种语义网络,旨在从数据中识别、发现和推断事物之间的复杂关系,是事物关系的可计算模型。知识图谱代表万维网发展的一种终极理想,同时也是人工智能与互联网深度融合的产物,因此从人工智能和互联网的双重视角,知识图谱的未来是什么?它对于数字经济的价值和意义有哪些?它又会以什么样的方式得以落地实现?本次论坛邀请到来自学界和企业界的知名专家共同探讨在数字经济时代知识图谱的价值、应用和所面临的挑战,主题涉及大数据知识获取、语言理解与知识图谱、社交媒体与知识图谱、开放知识图谱、知识图谱与区块链等多个方面,期待与大家一起探讨知识图谱赋能数字经济的未来。


主席








陈华钧


640?wx_fmt=png

简介:浙江大学计算机科学与技术学院教授、博导。主要研究方向为语联网与知识图谱、自然语言处理、大数据分析等。中国人工智能学会知识工程与分布智能专业委员会副主任、中国中文信息学会语言与知识计算专业委员会副主任、CCF术语审定委员会执委。并担任浙江省大数据智能计算重点实验室副主任、Elsevier Journal of Big Data Research副主编等。

640?wx_fmt=jpeg



林俊宇


640?wx_fmt=jpeg

简介:CCF理事,CCF高级会员,中科院信工所网络空间技术实验室主任助理,博士,主要研究方向:网络安全,未来网络,知识工程。目前在研国家自然科学基金项目1项,省基金1项,横向项目8项。获省部级科技进步二等奖1项,科技发明类二等奖1项;申请获得授权发明专利15项,软件著作权4项。在包括TIP、IEEE等国内外顶级期刊和会议上公开发表学术论文50余篇。

640?wx_fmt=jpeg

特邀嘉宾







周傲英


640?wx_fmt=png

华东师范大学数据学院创院院长、教授,副校长。国家杰出青年基金获得者,教育部长江学者特聘教授,第七届国务院学科评议组成员。CCF会士,数据库专委会副主任。主要从事数据库、数据管理、数据驱动的应用等方面的理论研究和系统研发工作。曾获得国务院特殊津贴、霍英东青年教师基金奖励;先后八次获得教育部、上海市科技进步一、二等奖。担任《计算机学报》副主编,曾任或现任《VLDB Journal》、《WWW Journal》、《Data Science and Engineering》等期刊编委,VLDB等会议的程序委员会主席。


报告题目:数据是催生数字经济的新动能——兼谈知识图谱的作用


报告摘要:在2016年的G20杭州峰会上,数字经济在时隔20年后再度成为热词,发展数字经济已成为全球共识。数字经济这个概念的诞生和发展几乎是与互联网同步的,互联网正在深刻而全面地改变世界和人类本身。互联网企业发展基本遵循了从“流量变现”到“数据变现”的路径,互联网的下半场的主基调将是分享经济,核心就是通过技术和数据来建立信任。互联网催生了大数据,成就了“大数据”国家战略。“大数据”是说数据很重要,其重要程度堪比新的电能(Data Power),是催生数字经济的新动能。知识图谱是数据转变成智能的重要手段,推动数字经济向纵深发展。

640?wx_fmt=jpeg



张民


640?wx_fmt=png

苏州大学特聘教授,计算机学院副院长,人类语言技术研究所所长,人工智能研究院副院长。国家杰出青年科学基金获得者,江苏省“双创人才计划” 获得者,江苏省“双创团队” 领军人才。长期从事自然语言处理和人工智能研究。1997年在哈尔滨工业大学获博士学位,1997-2013年在海外学术界和产业界从事研发和管理工作16年。已发表CCF A/B类会议和期刊论文150余篇,出版Springer专著2部,主编英文论著(论文集)16本,获部级科技进步奖3项。在研主持国家自然科学基金杰青、重点、科技部重点研发计划课题、大型产业界项目多项。


报告题目:语言理解与知识图谱


报告摘要:现存知识图谱的数据来源主要是结构化/半结构化数据,而非自由文本数据,这造成知识图谱的覆盖度严重不足从而限制知识图谱的应用。人类知识大量存在于自然文本数据之中,所以我们应利用自然语言处理技术来理解文本、获取知识、构建知识图谱。本报告将就利用自然语言理解技术构建知识图谱这一问题进行讨论。

640?wx_fmt=jpeg



唐杰


640?wx_fmt=png

清华计算机系副系主任、长聘副教授、清华-中国工程院知识智能联合实验室主任。CCF YOCSEF 主席、CCF杰出会员、杰出演讲者。研究兴趣包括:社会网络分析、数据挖掘、机器学习和知识图谱。发表论文200余篇,引用10000多次。主持研发了研究者社会网络挖掘系统AMiner,收录1.36亿科研人员、2.31亿科技文献,吸引了220个国家/地区800多万独立IP访问。曾担任国际期刊ACM TKDD的执行主编和国际会议CIKM’16、WSDM’15的程序委员会主席;现任KDD’18大会副主席以及IEEE TKDE、ACM TIST、IEEE TBD等期刊编委编委。荣获北京市科技进步一等奖、中国人工智能学会科技进步一等奖、电子学会自然科学二等奖(均为第一完成人)以及国家自然基金委优秀青年基金和国家杰出青年科学基金、CCF青年科学家奖和英国牛顿高级学者基金奖。


报告题目:Modeling social influence using deep learning


报告摘要:This talk will cover both theoretical analysis and application of social network embedding. In the first part, I will quickly survey recent developed methodologies (DeepWalk, LINE, PTE, and node2vec) for network embedding, a new and important research topic in social network analysis. We did a theoretical analysis to show that all the aforementioned models with negative sampling can be unified into the matrix factorization framework with closed forms. I will present the NetMF method as well as its approximation algorithm for computing network embedding. NetMF offers significant improvements over DeepWalk and LINE (up to 38% relatively) for conventional network mining tasks. In the second part, I will present how we leverage network embedding and and multi-head attention network to model social influence, and based on the learned influence how to predict users’ social behavior.

640?wx_fmt=jpeg



虎嵩林


640?wx_fmt=png

中科院信工所研究员、中国科学院大学岗位教授,国家电网网信领导小组技术委员会委员。作为国家某重大工程总师,负责大规模系统建设与规划,承建万亿级大数据中心、知识图谱及其智能应用。主要研究方向包括大数据存储和智能处理、语义服务和知识图谱等,发表学术论文60余篇,连续两届蝉联语义服务领域国际竞赛冠军。相关成果在国家级重大工程、国家电网、军方等获得广泛应用,先后四次获得国家电网科技进步奖、国家专利奖、北京市科技进步奖等科技奖励。


报告题目:知识驱动的互联网变革


报告摘要:知识图谱与本体、语义网的发展一脉相承,验证了一条大规模知识萃取、精炼和有效复用的实践路径,大幅度增强了互联网搜索、问答等服务能力,持续改善着人类的生活。而其成功效应向以能源互联网为代表的工业互联网领域的外溢,将汇集知识库、专家系统、机器学习等技术动能,促进工业领域的专业知识深度嵌入,提升生产效率。互联网、工业化联网的“大数据中心”也将向“知识中心”过渡,为数字经济的发展和治理奠定更为坚实的基础。

640?wx_fmt=jpeg



王昊奋


640?wx_fmt=png

上海乐言信息科技有限公司CTO,中文知识图谱zhishi.me创始人、OpenKG发起人之一、CCF理事、CCF术语审定工委主任、CCF TF执委、中文信息学会语言与知识计算委员会副秘书长,共发表80余篇高水平论文,在知识图谱、问答系统和聊天机器人等诸多领域有丰富的研发经验。其带队构建的语义搜索系统在Billion Triple Challenge中荣获全球第2名;在著名的本体匹配竞赛OAEI的实体匹配任务中斩获得全球第1名。曾主持并参与多项国家自然科学基金、863重大专项和国家科技支撑项目,以学术负责人身份参与Paypal、Google、Intel、IBM、百度等企业的合作项目。


报告题目:从人工智能到开放知识图谱:数字经济大潮下的新机遇


报告摘要:人工智能经历了起起落落若干次浪潮,目前正在第三次浪潮的浪尖,而这次的主角不仅有深度学习,也少不了知识图谱。在这次演讲中,将围绕知识图谱的前身今世,介绍知识图谱的历史和起源,知识图谱在搜索、问答、聊天机器人、阅读理解、辅助决策等方面的前沿应用,以及支撑这些智能应用的核心技术。接着,我将系统地介绍在数字经济时代孕育出来的新时代知识图谱开放开源工作OpenKG,尤其是开放知识图谱的schema,开放互联的高质量中文知识库OpenBase和知识图谱开源工具方面的各项工作。

640?wx_fmt=jpeg



曹锋


640?wx_fmt=png

派链科技CEO,中物联区块链协会首席科学家,中国第一个区块链国际专利发明人,ChinaLedger共同发起人,曾带领团队完成世界第一笔区块链资产收益权转让交易,担任IBM下一代人机大战项目中国区负责人,IBM中国互联网金融首席科学家,IBM基础科学研究中国区负责人,专利评审委员会联合主席。


报告题目:当知识图谱遇见区块链


报告摘要: 区块链如何实现大规模行业应用呢?其中数据真实有效的来源是各个行业领域中都不可忽视的问题。区块链2.0基于以太坊的智能合约层,依赖于外部获取数据,难以实现不同链间的协同与交换。在此基础上,PCHAIN开创了区块链上的智能数据与知识图谱的技术方式,两者相辅相成,帮助智能合约形成闭环,知识图谱作为节点内置的相应模块,将复杂的知识领域以特定形式记录下来,供其他智能合约调用,可支撑大规模行业应用的数据获取。

640?wx_fmt=jpeg

PANEL嘉宾





周国栋


640?wx_fmt=png

苏州大学教授博导。1997年毕业于新加坡国立大学获得博士学位;2006年加入苏州大学,组建自然语言处理实验室。研究方向:自然语言理解、自然语言认知。近5年发表CCF A/B类论文100多篇,主持NSFC项目4个(包括重点项目2个) 。据Google Scholar统计,论文引用7000次,目前担任ACM TALLIP副主编、《软件学报》责任编委、CCF中文信息技术专委会副主任委员、苏州大学校学术委员会委员。

640?wx_fmt=jpeg



张伟


640?wx_fmt=png

阿里巴巴业务平台资深算法专家,商品知识图谱负责人。张伟博士毕业于新加坡国立大学,本科毕业于哈尔滨工业大学。曾任新加坡资讯通信研究院自然语言处理应用实验室主任。研究领域:知识图谱、自然语言处理,机器学习等。

640?wx_fmt=jpeg 

640?wx_fmt=jpeg


更多信息详见大会官网:http://cncc.ccf.org.cn


即日起至10月15日,报名且缴费成功即可按优惠价格参加CNCC2018! CCF会员参会、参展可享优惠。


640?wx_fmt=png


640?wx_fmt=png

请扫描二维码报名参会


咨询电话:010-6260 0336   邮箱:cncc_pr@ccf.org.cn



OpenKG.CN


中文开放知识图谱(简称OpenKG.CN)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。

640?wx_fmt=jpeg

点击阅读原文,报名参会。

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/480425.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

计算机网络:我把所有计算机网络的基础都汇总到这里了!

原文链接:https://cloud.tencent.com/developer/article/1388529 前言计算机网络基础 该是程序猿需掌握的知识,但往往会被忽略今天,我将献上一份详细 & 清晰的计算机网络基础 学习指南,涵盖 TCP / UDP协议、Http协议、Socket等…

算法--递归--走台阶问题(2种递归+递归改循环)

文章目录递归:注意事项:问题1思路1.递归代码(未考虑重复计算问题)2.循环代码3.递归代码(避免重复计算问题)测试运行时间问题2递归: 一个问题可以分解成若干子问题,且求解思路一样&a…

最新2019 蚂蚁金服4面(Java)面试题

蚂蚁金服Java一面 1 自我介绍和项目 2 Java的内存分区 3 Java对象的回收方式,回收算法。 4 CMS和G1了解么,CMS解决什么问题,说一下回收的过程。 5 CMS回收停顿了几次,为什么要停顿两次。 6 Java栈什么时候会发生内存溢出&…

论文浅尝 | 基于表示学习的大规模知识库规则挖掘

链接:www.ict.griffith.edu.au/zhe/pub/OmranWW18.pdf动机传统的规则挖掘算法因计算量过大等原因无法应用在大规模KG上。为了解决这个问题,本文提出了一种新的规则挖掘模型RLvLR(Rule Learning via LearningRepresentation),通过利用表示学习…

深度学习推荐系统中各类流行的Embedding方法

Embedding技术概览:对其它Embedding技术不熟悉,可以看我的上一篇文章:深度学习推荐系统中各类流行的Embedding方法(上)Graph Embedding简介Word2Vec和其衍生出的Item2Vec类模型是Embedding技术的基础性方法&#xff0c…

超强干货!7个腾讯最常用的用户研究方法

超强干货!7个腾讯最常用的用户研究方法调查知识2017-09-19每天都有互联网产品上市,人们电脑上、手机上的应用在短期之内就可能增增减减换了很多波,最终留下的、那些最经典的产品,都是以好的体验设计取胜。这些产品或许看似很“简单…

算法--递归--汉诺塔问题

文章目录1. 问题分析2. 面试题1. 问题分析 游戏规则:一次只能挪一片;小的只能在大的上面;把所有的从A柱挪到C柱。 递推公式: 上部 n - 1 个 A 到 B;最底下 1 个 A 到 C ;上部 n - 1 个 B 到 C;…

论文浅尝 | 面向跨语言实体对齐的知识图谱与实体描述协同嵌入方法

来源: IJCAI2018链接: https://www.ijcai.org/proceedings/2018/0556.pdf动机近年来,随着多语言知识图谱嵌入(Multilingual KG embedding)的研究,实体的潜在语义表示以及跨语言知识推理等任务均取得一定成效,因此也推动了许多知识驱动的跨语言…

最新阿里聚划算Java 5轮面试题,涵盖GC收集器、多线程锁等

一面 详细的介绍JVM的内存模型结构 JVM最常用的参数配置讲讲 GC垃圾收集算法、GC垃圾收集器有哪些,以及新生代老生代 分别用什么算法 多线程的几种加锁方式详细介绍 实现线程安全的方式?ThreadLocal原理?线程池了解吗说说看?自…

2004-2019十六年热点事件库HistoryHotEventBase项目

HistoryHotEventBase historyhotevent projrct ,which concentrate on the dayily hot event covers the time range from 2004 to 2019, 16 years in total,从2004年至2019年共16年的每日热点事件项目,目标包括构建起从2004年至今共16年的历时热点标题数…

OSI七层模型详解-开放系统互联参考模型详解

原文链接:https://blog.csdn.net/yaopeng_2005/article/details/7064869 OSI 七层模型通过七个层次化的结构模型使不同的系统不同的网络之间实现可靠的通讯,因此其最主要的功能就是帮助不同类型的主机实现数据传输 。 完成中继功能的节点通常称为中继系…

最新天猫Java3轮面试题目:虚拟机+并发锁+Sql防注入+Zookeeper

天猫一面 自我介绍、项目介绍 Spring拦截器、实现了哪些方法?底层原理 AOP如何配置,底层原理、2种动态代理,aop注解实现,xml定义切面 Bean的作用域,单例模式是否线程安全?恶汉模式是否线程安全&#xff…

NLP中的少样本困境问题探究

一只小狐狸带你解锁 炼丹术&NLP 秘籍作者:JayLou娄杰(NLP算法工程师,信息抽取方向)前言在医疗、金融、法律等领域,高质量的标注数据十分稀缺、昂贵,我们通常面临少样本低资源问题。本文从「文本增强」和…

军事武器知识图谱构建与自动问答项目QAonMilitaryKG

QAonMilitaryKG QAonMilitaryKG,QaSystem based on military knowledge graph that stores in mongodb which is different from the previous one, 基于mongodb存储的军事领域知识图谱问答项目,包括飞行器、太空装备等8大类,100余小类&#…

python--从入门到实践--chapter 9 类

类的定义格式: class Name(Father_class):def __init__(self, para, ...):self.para xdef __init__(self, para, ...):super().__init__(para, ...) #调用父类的构造函数class Car():def __init__(self,make,model,year): #构造函数self.make makeself.model mo…

连载 | 知识图谱发展报告 2018 -- 前言

OpenKG 将开始连载《知识图谱发展报告(2018)》,希望该连载能够让更多的人深入了解知识图谱。欢迎各位读者留言讨论。1. 知识图谱的研究目标与意义 知识图谱(Knowledge Graph)以结构化的形式描述客观世界中概念、实体及其关系,将互…

网址(url),域名,ip地址,dns,hosts之间的关系

网址(url),域名,ip地址,dns,hosts之间的关系 什么是ip? 我们知道,在Internet上有千百万台主机,为了区分这些主机,人们给每台主机都分配了一个专门的地址&…

事理图谱概念辨析及其与风险标签分类结合的应用探讨

以事件为描述核心,以揭示事件之间的演化逻辑关系的事理图谱自提出后,引起了工业界的极大兴趣,在积极探索事理图谱本质、事理图谱构建技术细节的同时,如何找到技术与应用场景之间的结合成为目前广泛讨论的问题。我们团队持续对以上…

一篇文章带你熟悉 TCP/IP 协议(网络协议篇二)

涤生_Woo2017年11月11日阅读 15544关注一篇文章带你熟悉 TCP/IP 协议(网络协议篇二)同样的,本文篇幅也比较长,先来一张思维导图,带大家过一遍。一图看完本文一、 计算机网络体系结构分层计算机网络体系结构分层计算机网…

PyTorch数据Pipeline标准化代码模板

前言PyTorch作为一款流行深度学习框架其热度大有超越TensorFlow的感觉。根据此前的统计,目前TensorFlow虽然仍然占据着工业界,但PyTorch在视觉和NLP领域的顶级会议上已呈一统之势。这篇文章笔者将和大家聚焦于PyTorch的自定义数据读取pipeline模板和相关…