研讨会 | 知识图谱助力图书馆知识管理与智慧服务研讨会

知识图谱是大数据时代重要的知识表示方式之一,也是人工智能技术的重要支撑,在智能检索、数据分析、自动问答、知识推荐、知识管理等领域有着广泛的应用前景,为知识创新管理带来了新机遇。由于知识图谱实现了对象识别、文本理解、关系推理、机器学习等智能方法的应用,逐步成为出版社和知识服务机构所关注的焦点。

为推动知识图谱技术与图书馆研究与实践的深度结合,赋图书馆知识管理智能,促进我国图书馆知识创新服务模式的转变,中国图书馆学会将举办“知识图谱助力图书馆知识管理与智慧服务”研讨会,探讨知识组织、知识发现、知识表达、知识查询与搜索、智能知识服务等研究与业务的知识图谱技术理论与实践。

欢迎图书馆、档案馆、博物馆、高等院校、科研院所、知识服务机构以及政府部门的研究者、管理者、业务骨干、技术人员以及从事知识管理、服务研究与实践、知识创新的专家、学者、研究生参会。现将会议有关事项通知如下:

一、组织机构

主办单位:中国图书馆学会

承办单位:北京理工大学图书馆

协办单位:上海图书馆

                 中科院文献情报中心

                《上海高校图书情报工作研究》编辑部

二、会议主题

智能时代下知识图谱助力图书馆知识智能管理与智慧服务

三、会议主要活动

特邀国内相关领域的重要专家学者做主题报告,并与参会者讨论发言、互动交流。

四、会议时间和地点

会议时间:2018年6月11日-14日(含报到、离会时间)

报到时间:2018年6月11日17:00前

离会时间:2018年6月14日12:00前

会议地点:北京理工大学国际教育交流大厦

报到地点:北京理工大学国际教育交流大厦

五、费用

1.本次会议收取会议费850元(含资料、专家指导、场地等费用)。

2.参会人员的往返交通费、食宿费用自理。与会者请自行预订北京理工大学附近酒店。

3.会议费付费说明:两种缴费方式,请自行选择:

(1)银行汇款:6月8日前会议费汇至中国图书馆学会账户,报到现场领取发票。汇款时请注明“知识图谱助力图书馆知识智能管理与智慧服务研讨会”+单位名称+姓名。

户  名:中国图书馆学会

帐  号:01090303200120105049050

开户行:北京银行魏公村支行

(2) 现场交费:报到现场以现金或刷卡形式缴纳会议费,会务组将在会议结束后一个月内,将发票邮寄给参会代表。

六、报名方式

会议采取网上报名方式,请登陆中国图书馆学会网站,从网站右上角“登录”进入中国图书馆学会会员管理与服务平台注册报名(如已有账户,则不必注册)。以“个人用户”注册成功并登录后,在“我的首页”会议板块找到本次会议名称,点击“参加”提交报名申请。

七、联络方式

许舟舲  010-68918410   18811353827


附件:1.会议日程

          2.报到地点及乘车路线



                                                               中国图书馆学会

                                                                                                                    2018年5月26日
附件1 

会议日程

2018年6月12日

主持人:漆桂林

(中国中文信息学会语言与知识计算专业委员会副主任、中国科学技术情报学会知识组织专业委员会副主任)

地点:北京理工大学国际教育交流大厦

8:00-9:00

签到

9:00-9:30

领导致辞

中国图书馆学会副理事长李广建

北京理工大学图书馆馆长、北京理工大学计算机学院书记丁刚毅

9:30-10:10

漆桂林

知识图谱技术与情报分析

中国中文信息学会语言与知识计算专业委员会副主任、中国科学技术情报学会知识组织专业委员会副主任、东南大学教授

10:10-10:40

休息

10:40-11:20

李广建

智慧服务与知识融合

中国图书馆学会副理事长、中国社会科学情报学会副理事长、北京大学信息管理系主任、北京大学教授

11:20-12:00

徐永明

大数据建设与学术地图发布平台

浙江文献集成编纂中心主任助理、浙江大学教授

12:00-13:30

午休(自助餐)

13:30-14:10

李宗友

中医药知识服务模式创新与应用

中国中医科学院信息所所长

14:10-14:50

逄金辉

图书馆知识素养创新学习新模式

北京理工大学图书馆馆长助理、北京理工大学副教授

14:50-15:20

休息

15:20-16:00

王一珉

基于文献大数据的几个人才分析研究案例

爱思唯尔公司、大中华区科研管理总监

16:00-16:40

夏敬华

AI助力知识运营

蓝凌软件副总裁、蓝凌研究院院长

16:40-17:00

互动交流

2018年6月13日

主持人:逄金辉

(北京理工大学图书馆馆长助理、北京理工大学大数据创新学习中心创办人)

地点:北京理工大学国际教育交流大厦

9:00-9:40

刘炜

知识图谱与智慧图书馆服务

上海图书馆上海科学技术情报研究所副馆(所)长, 研究员

9:40-10:20

冯岩松

面向大规模知识图谱的知识获取与应用  

北京大学计算机科学技术研究所副教授

10:20-10:40

休息

10:40-11:20

张小旺

RDF/RDF流并行处理

天津市认知计算与应用重点实验室副主任、天津大学副教授

11:20-12:00

曹志杰

知识管理与技术创新

北京航天长征科技信息研究所副所长,研究员

12:00-13:30

午休(自助餐)

13:30-14:10

孙卫

利用知识组织提升服务效率和质量

原国家新闻出版广电总局信息中心技术总监、计算机高级工程师

14:10-14:50

王军

中国传统学术传承知识图谱的构建与可视化

北京市优秀教师、北京大学教授

14:50-15:20

休息

15:20-16:00

唐杰

AMiner:智能科技情报挖掘平台

清华大学计算机系副主任、清华大学长聘副教授

16:00-16:40

陈利华

游戏化知识运营+AI

深圳青鱼互动科技有限公司创始人、中国知识管理联盟发起人

16:40-17:00

互动交流







附件2

报到地点和乘车路线


一、报到地点

北京理工大学国际教育交流大厦

1. 酒店地址:北京海淀区北三环西路66号

                    (北京理工大学北门)

2. 酒店电话:010-68945611   

二、乘车路线

(一)飞机:首都机场

1. 出租:全程约40公里,时间大约40分钟左右,打车120元左右,路线为:机场高速——三环路——苏州桥(北京理工大学北门)。

2. 公交:机场大巴公主坟线到友谊宾馆下站,步行约800米可到北京理工大学北门。

3. 地铁:机场快线到三元桥站——换乘地铁10线——海淀黄庄站换乘地铁4号线——魏公村站(A口出),步行约500米可到北京理工大学东门。

(二)火车:

北京南站

乘地铁4号线——魏公村站(A口出),步行约500米可到北京理工大学东门。

北京站

乘地铁2线——西直门站换乘地铁4号线——魏公村站(A口出),步行约500米可到北京理工大学东门。

北京西站

乘地铁9线——国家图书馆站换乘地铁4号线——魏公村站(A口出),步行约500米可到北京理工大学东门。




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

转载须知:转载需注明来源“OpenKG.CN”、作者及原文链接。如需修改标题,请注明原标题。

 

点击阅读原文,进入 OpenKG 博客。

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/480660.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

高效利用无标注数据:自监督学习简述

一只小狐狸带你解锁 炼丹术&NLP 秘籍 作者:huyber来源:https://zhuanlan.zhihu.com/p/108906502BERT的大热让自监督学习成为了大家讨论的热点,但其实word2vec和自编码器也都属于自监督学习范畴。本文通过整理自监督学习的一系列工作&…

TI-RTOS实时操作系统开发之功耗测试

文章目录写在前面CCS(code composer studio)开启Energy Trace配置电池参数设置测量时间在电流曲线图处点击右键开始测量写在前面 要测试一个产品的电流功耗方式有很多种: 1、电流转电压,通过在供电回路中串联10Ω电阻&#xff0c…

程序员真的只能干到35岁?——我的35岁危机度过之道!

“ 在我还是25岁的时候,我和很多程序员一样,其实都有同样的担心,老了以后怎么办?写代码难道还能写到35岁? 难道我这一辈子就做一个程序员就完了吗?难道这条路就不能走出更多的张小龙(foxmail开…

研讨会 | 知识工程与问答技术研讨会 (KEQA2018)

人工智能的迅速发展将深刻改变人类社会,而知识工程是人工智能领域中的一个重要研究主题。随着机器学习、自然语言处理和语义网技术的快速发展,知识获取与处理的能力得到了极大的提升,包括自然语言问答技术在内的智能应用也备受关注。本次研讨…

统计学-自然语言处理

摘要:主成分分析(英语:Principal components analysis,PCA)是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数,同时保持数据集中的对方差贡献最大的特征。常常应用在文本处理、人脸识别、…

在K40小破卡训练50层BERT Large的宝藏trick

前言 虽然TPU的显存令人羡慕,但是由于众所周知的原因,绝大部分人还是很难日常化使用的。英伟达又一直在挤牙膏,至今单卡的最大显存也仅仅到32G(参考V100、DGX-2)。然而,训练一个24层的BERT Large模型的时候…

领域应用 | 推荐算法不够精准?让知识图谱来解决

本文转载自公众号:微软研究院AI头条。 编者按:我们几乎每天都会接收到各种各样的推荐信息,从新闻、购物到吃饭、娱乐。个性化推荐系统作为一种信息过滤的重要手段,可以依据我们的习惯和爱好推荐合适的服务。但传统的推荐系统容易出…

BERT重计算:用22.5%的训练时间节省5倍的显存开销(附代码)

一只小狐狸带你解锁 炼丹术&NLP 秘籍作者:夕小瑶、rumor酱前言虽然TPU的显存令人羡慕,但是由于众所周知的原因,绝大部分人还是很难日常化使用的。英伟达又一直在挤牙膏,至今单卡的最大显存也仅仅到32G(参考V100、D…

去腾讯等BAT面试完的Mysql面试55题总结,含答案大赠送!

【BAT面试:mysql 面试55题】 1、一张表里面有ID自增主键,当insert了17条记录之后,删除了第15,16,17条记录,再把mysql重启,再insert一条记录,这条记录的ID是18还是15 ? 2、mysql的技术特点是什…

这十套练习,教你如何使用Pandas做数据分析

这十套练习,教你如何用Pandas做数据分析Pandas是入门Python做数据分析所必须要掌握的一个库。本文内容由科赛网翻译整理自Github,建议读者完成科赛网 从零上手Python关键代码 和 Pandas基础命令速查表 教程学习的之后,点击本篇Notebook右上角…

预训练模型超全知识点梳理与面试必备高频FAQ

一只小狐狸带你解锁 炼丹术&NLP 秘籍作者:JayLou娄杰来源:https://zhuanlan.zhihu.com/p/115014536预训练模型(Pre-trained Models,PTMs)的出现将NLP带入了一个全新时代。2020年3月18日,邱锡鹏老师发表了关于NLP预训练模型的综述《Pre-tr…

阿里P8架构师谈:MySQL数据库的索引原理、与慢SQL优化的5大原则

MySQL凭借着出色的性能、低廉的成本、丰富的资源,已经成为绝大多数互联网公司的首选关系型数据库。虽然性能出色,但所谓“好马配好鞍”,如何能够更好的使用它,已经成为开发工程师的必修课,我们经常会从职位描述上看到诸…

论文浅尝 | 利用类比推理优化知识图谱向量表示

链接:https://arxiv.org/pdf/1705.02426.pdf本文的主要创新点就是把类比推理应用到 KG embedding 中,通过对模型的 score function 添加某些约束来捕获 KG 中类比结构的信息,进而优化 KG 中实体和关系的 embedding 表示,并在 FB15…

推荐 10 个饱受好评且功能独特的开源人工智能项目

来自:开源中国链接:https://my.oschina.net/editorial-story/blog/1592254推荐 10 个饱受好评且功能独特的开源人工智能项目关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让…

如何以初学者角度写好一篇国际学术论文?

一只小狐狸带你解锁 炼丹术&NLP 秘籍人工智能顶会论文之争越来越激烈了,CVPR、AAAI、ICLR等各大会议虽然录取率逐年降低,但是投稿论文数量却在逐年增加。虽说发论文不是衡量一位学者的学术能力的唯一标准,但确是极为重要的标准。一篇好的…

领域应用 | 如何将知识图谱特征学习应用到推荐系统?

本文转载自公众号:微软研究院AI头条。 编者按:在上周发表的“推荐算法不够精准?让知识图谱来解决”一文中,我们为大家介绍了日常生活中几乎每天都会用到的推荐系统,以及用来提高推荐系统精准性、多样性和可解释性的推荐…

阿里P8架构师谈:MySQL行锁、表锁、悲观锁、乐观锁的特点与应用

我们在操作数据库的时候,可能会由于并发问题而引起的数据的不一致性(数据冲突)。如何保证数据并发访问的一致性、有效性,是所有数据库必须解决的一个问题,锁的冲突也是影响数据库并发访问性能的一个重要因素&#xff0…

谷歌、微软、OpenAI等巨头七大机器学习开源项目 看这篇就够了

在人工智能行业,2015-2016 出现了一个不同寻常的趋势:许多重量级机器学习项目纷纷走向开源,与全世界的开发者共享。加入这开源大潮的,不仅有学界师生,更有国内外的互联网巨头们:国内有百度和腾讯&#xff0…

推荐系统的发展与简单回顾

“本文结合百度和支付宝两段推荐系统相关的实习经历,针对工业界的模型发展做了简单梳理与回顾,涵盖表示学习,深度学习,强化学习知识图谱以及多任务学习”表示学习和深度学习在推荐系统中的应用是目前工业界比较成熟的,但是与强化学…

论文浅尝 | 嵌入常识知识的注意力 LSTM 模型用于特定目标的基于侧面的情感分析...

MaY, Peng H, Cambria E. Targeted aspect-based sentiment analysis via embedding commonsense knowledge into an attentive LSTM[C]//AAAI. 2018.任务简介特定目标的基于侧面的情感分析,在原来基于侧面的情感分析的基础上,进一步挖掘细粒度的信息&am…