征文通知 | 2018年全国知识图谱与语义计算大会

2018年全国知识图谱与语义计算大会

China Conference on Knowledge Graph and Semantic Computing (CCKS 2018)

2018年8月15日-18日,天津

征稿截止: 2018年5月18日

全国知识图谱与语义计算大会(CCKS: China Conference on Knowledge Graph and Semantic Computing)由中国中文信息学会语言与知识计算专业委员会组织和承办。全国知识图谱与语义计算大会是两个全国性会议的合并:中文知识图谱研讨会the Chinese Knowledge Graph Symposium (CKGS)和中国语义互联网与Web科学大会Chinese Semantic Web and Web Science Conference (CSWS)。CCKS2016(www.ccks2016.cn)在北京西郊宾馆举办, CCKS2017 (www.ccks2017.com)在成都金牛宾馆举办。CCKS2017吸引了500余名来自学术界和工业界的学者和研究人员参加。全国知识图谱与语义计算大会已经成为国内知识图谱、语义技术、链接数据等领域的核心会议,聚集了知识表示、自然语言理解、机器学习、数据库、图计算等相关领域的重要学者和研究人员。2018年全国知识图谱和语义计算大会(www.ccks2018.cn)将于2018年8月15日至8月18日在天津召开。

2018年全国知识图谱与语义计算大会的主题是“知识计算与语言理解”,旨在探讨大数据环境下语言理解、知识获取与智能服务的关键技术和应用。会议将包括学术讲习班、工业界论坛、评测与竞赛、知识图谱顶会回顾、大会特邀报告及学术论文等环节。大会将邀请国内外知名学者讲授相关领域的最新进展、发展趋势和实战经验,工业界论坛将邀请产业界的主要研发人员分享经验,促进产学研合作。

大会诚挚邀请相关领域的研究者投审英文和中文论文。长文投稿不能超过12页,短文不能超过6页。CCKS2018英文论文将被Springer出版的论文集收录,中文论文将被推荐到中文信息学报、模式识别与人工智能学报、广西师范大学学报和郑州大学学报(理学版)等期刊发表。投稿论文要求论文工作是未经发表的研究成果,通过会议论文网站提交: https://easychair.org/conferences/?conf=ccks2018 。论文主题包括(但不限于):

知识表示/本体建模

  • 知识表示与本体建模

  • 知识表示学习/知识分布式表示/知识嵌入式表示

  • 本体重用与演化

  • 本体映射、融合与对齐

  • 本体评估

  • 概念学习

  • 知识表示新方法

知识图谱构建/信息抽取

  • 开放知识抽取

  • 众包知识工程与协同知识获取

  • 人机协同知识库构建

  • 维基数据的自动抽取

  • 自动化知识库构建工具、语言与系统

  • 基于监督学习/非监督学习的知识抽取

  • 轻量监督学习/远距离监督学习与文本抽取

  • 机器阅读Machine reading

知识图谱挖掘

  • 分类算法

  • 链接预测(Link prediction)

  • 语义相似度/度量学习(metric learning)

  • 排序算法

  • 聚类算法/社区检测

  • 推荐算法

语义集成

  • 实体识别Entity recognition、消解disambiguation、和实体链接linking

  • 术语映射与集成

  • 结构集成Structure integration

  • 异构知识库集成

  • 跨语言知识链接与集成

  • 基于本体的数据集成

知识存储、检索和推理

  • 分布式知识库系统

  • 知识查询与搜索

  • 概率知识库存储

  • 弹性知识存储与分布式计算

  • 图数据库

  • 基于逻辑/概率统计/自然逻辑(Natural Logic)的推理

  • 基于嵌入与分布式表示的推理

  • 规则学习

  • 知识库补全

知识共享重用与基于知识的系统

  • 知识图谱可视化

  • 语义搜索

  • 基于知识的问答系统

  • 智能个人助理系统

  • 基于知识的自然语言/语音/图像/视频语义分析

链接数据

  • 链接数据构建与发布

  • 链接数据查询与搜索

  • 链接数据集成

  • 链接数据挖掘与分析

  • 链接数据应用(生物医药、金融、电子政务……)

重要日期(tentative)

  • 摘要提交: 2018年5月10日 (23:59, 北京时间)

  • 全文提交:2018年5月18日 (23:59, 北京时间)

  • 审稿结果通知: 2018年7月1日

  • 正式版本提交: 2018年7月15日

  • 会议日期: 2018年8月15日—18日

主办: 中国中文信息学会语言与知识计算专业委员会

承办: 南开大学  天津大学

大会主席 (General Chairs):

  • 赵军(中国科学院自动化研究所)

  • Frank van Harmelen(Vrije Universiteit Amsterdam)

程序委员会主席 ( Program Committee Chairs):

  • 唐杰(清华大学)

  • 韩先培(中国科学院软件研究所)

本地主席 (Local Chairs):

  • 张玉志 (南开大学)

  • 张小旺 (天津大学)

会议宣传主席 (Publicity Chairs):

  • 漆桂林 (东南大学)

  • 许斌 (清华大学)

会议出版主席 (Publication Chairs):

  • 王泉( 中国科学院信息工程研究所)

  • 李显勇 (西华大学)

学术讲习班主席 (Tutorial Chairs (ATT)):

  • 陈华钧 (浙江大学)

  • 朱晓丹 (University of Toronto)

竞赛与评测主席 (Evaluation Chairs):

  • 王昊奋 (深圳狗尾草智能科技公司)

  • 邹磊 (北京大学)

顶级会议review主席 (Top Conference Reviewing Chairs):

  • 肖仰华 (复旦大学)

  • 刘铭 (哈尔滨工业大学)

  • 朱其立 (上海交通大学)

海报与演示主席 (Poster/Demo Chairs):

  • 钱铁云(武汉大学)

  • 胡伟(南京大学)

会议赞助主席 (Sponsorship Chairs):

  • 刘康(中国科学院自动化研究所)

  • 俞思伟(武汉大学)

工业界论坛主席 (Industry Track Chairs):

  • 张伟(阿里巴巴)

  • 邱锡鹏(复旦大学)

Panel 主席 (Panel Chairs):

  • 朱小燕(清华大学)

  • 秦兵(哈尔滨工业大学)

网站主席 (Website Chair):

  • 陈玉博(中国科学院自动化研究所)


领域主席(Area Chairs):

  • Representation learning for knowledge graph  王泉(中科院信工所)杨洋(浙江大学)

  • Knowledge graph construction and information extraction:钱龙华(苏州大学)  沈华伟(中科院计算所)

  • Mining Heterogeneous Knowledge Graphs: 石川(北京邮电大学)  邹磊 (北京大学)

  • Knowledge storage and indexing:肖仰华(复旦大学)朱其立(上海交通大学)

  • Language Understanding  and Machine Reading:冯岩松(北京大学) 徐童(中国科技技术大学)

  • Question answering and Semantic Search:黄民烈(清华大学)李岱峰(中山大学)

  • Linked Data and Semantic integration: 程龚(南京大学)王志春(北京师范大学)

  • Knowledge representation and reasoning:   漆桂林(东南大学) 胡伟(南京大学)



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。

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/480884.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

如何让聊天机器人懂情感?这是一篇来自清华的论文

原载:Paperweekly作者:黄民烈,清华大学老师关注自然语言处理、人机对话情感分析等方向aihuangtsinghua.edu.cn当你悲伤的时候,机器人可以安慰你;当你高兴的时候,机器人为你高兴。悲你所悲,喜你所…

戴着口罩也要开心过年吖!

一只小狐狸带你解锁NLP/ML/DL秘籍素材来源于网络新的一年????就要到来了作为超(bu)高(shan)智(yan)商(ci)的程序员如何向亲朋好友证明我们是人群中最靓的仔呢小夕为你准备了专属程序员的新春祝福~~普天同庆for (;;) { print("鼠年快乐"); }(满屏的新年…

【HTML/CSS】margin塌陷和合并问题

1 margin塌陷问题 1.1 示例 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>margin塌陷</title…

集群、分布式、微服务的概念及异同

一、什么是集群&#xff1f; 集群是指将多台服务器集中在一起&#xff0c;每台服务器都实现相同的业务&#xff0c;做相同的事&#xff1b;但是每台服务器并不是缺一不可&#xff0c;存在的主要作用是缓解并发能力和单点故障转移问题。 集群主要具有以下特征&#xff1a;&…

论文浅尝 | Complex Embeddings for Simple Link Prediction

The ́o Trouillon, Johannes Welb, Sebastian Riedel, ÉricGaussier, Guillaume Bouchard . Complex Embeddings for Simple Link Prediction. In Proceedings of the 33ndInternational Conference on Machine Learning, pages 2071– 2080 (ICML2016)论文链接&#xff1a;…

详解医学顶刊《柳叶刀》最新发表新型冠状病毒研究论文

我是夕小瑶&#xff0c;一只热爱科研的小狐狸作者&#xff1a;夕小瑶&#xff0c;小鹿鹿鹿&#xff0c;QvQ前言新型冠状病毒&#xff08;2019-nCoV&#xff09;的突发恰逢春节&#xff0c;千家万户都对疫情十分关注。令人心痛的是&#xff0c;病毒带来的不止有病痛&#xff0c;…

AI学习笔记--人机对话的四种形态

AI学习笔记--人机对话的四种形态 ><div class"show-content-free"><p>最近在筹备转行 AI PM 由于之前的产品线也有做过类似 AI 的智能客服产品&#xff0c;所以打算先从人机对话这个角度入手。</p><p>以下文章结合了一些 case&#xff0c…

Spring Cloud简介,为什么需要Spring Cloud?

一、为什么需要Spring Cloud&#xff1f; 从分布式/微服务的角度而言&#xff0c;就是把我们一个大的项目分解成多个小的模块&#xff0c;这些小的模块组合起来&#xff0c;完成功能&#xff1b;而拆分出多个模块以后&#xff0c;就会出现各种各样的问题&#xff0c;而Spring C…

论文浅尝 | 「知识图谱」领域近期值得读的 6 篇顶会论文

本文转载自公众号&#xff1a;PaperWeekly。CIKM 2017■ 论文 | Hike: A Hybrid Human-Machine Method for Entity Alignmentin Large-Scale Knowledge Bases■ 链接 | https://www.paperweekly.site/papers/1528■ 解读 | 罗丹&#xff0c;浙江大学硕士1. Motivation 随着语义…

NLP最佳入门与提升路线

一只小狐狸带你解锁NLP/ML/DL秘籍作者&#xff1a;夕小瑶&#xff0c;小鹿鹿鹿&#xff0c;QvQ前言对突如其来的长假感到惶恐和不安&#xff1f;紧盯2019-nCoV的最新消息却依然感觉很空虚&#xff1f;腰酸萎靡脖子僵甚至怀疑自己有点发烧&#xff1f;这是长时间没学习的症状。 …

揭秘任务型对话机器人(下篇)

本文来自专栏语言、知识与人工智能&#xff0c;作者腾讯知文实验室 近年来比较热门的任务型对话的研究主要集中在端到端的框架的研究&#xff0c;基本跟传统任务型算法框架——语言理解模块&#xff08;Spoken Language Understanding&#xff0c;对话管理模块(Dialogue Manage…

斯坦福大学NLP公开课CS224n上映啦!华人助教陪你追剧

一只小狐狸带你解锁NLP/DL/ML秘籍作者&#xff1a;小鹿鹿鹿&#xff0c;QvQ&#xff0c;夕小瑶CS224n: Natural Language Processing with Deep LearningStanford / Winter 2020开课啦&#xff01;&#xff01;在大量开源工具的席卷下&#xff0c;NLP领域也不可避免的受到了“调…

论文浅尝 | Improved Neural Relation Detection for KBQA

Yu M, Yin W, Hasan K S, etal. Improved Neural Relation Detection for Knowledge Base QuestionAnswering[J]. 2017.论文链接&#xff1a;https://arxiv.org/pdf/1704.06194.pdf概要本文提出了一种基于不同粒度对关系和问题进行文本匹配的关系检测的模型&#xff08;HR-BiLS…

多轮对话之对话管理(Dialog Management)

多轮对话之对话管理(Dialog Management)徐阿衡人工智能与机器学习工程师​关注她115 人赞同了该文章开始涉猎多轮对话&#xff0c;这一篇想写一写对话管理&#xff08;Dialog Management&#xff09;&#xff0c;感觉是个很庞大的工程&#xff0c;涉及的知识又多又杂&#xff0…

互联网公司常用架构模式梳理

一、管理和监控 1.1、大使模式&#xff1a;创建代表消费者服务或应用程序发送网络请求的帮助服务 进程外的代理服务&#xff08;很多框架层面的事情可以以软件框架的形式寄宿在进程内&#xff0c;也可以以独立的代理形式做一个网络中间件&#xff09;。这里的大使模式意思就是…

知识工场 | CN-DBpedia 漫游指南

本文转载自公众号&#xff1a;知识工场。CN-DBpedia于2015年12月上线以来&#xff0c;已经有两年多的时间了&#xff0c;在数据层面做了大大小小百余项完善&#xff0c;在CN-DBpedia 3.0 即将上线之际&#xff0c;尽管我们觉得离完美还有距离&#xff0c;但也是时候拿出来让大家…

【杂谈】那些酷炫的深度学习网络图怎么画出来的?

一只小狐狸带你解锁NLP/ML/DL秘籍正文来源&#xff1a;有三AI还在用PPT画图&#xff1f;醒醒亲爱的&#xff0c;0202年了&#xff01;&#xff01;1 NN-SVG这个工具可以非常方便的画出各种类型的图&#xff0c;是下面这位小哥哥开发的&#xff0c;来自于麻省理工学院弗兰克尔生…

最新任务型对话数据集大全

合适的数据集或者语料是优秀的自然语言研究工作的基础&#xff0c;然而找寻合适的数据集通常是一件耗时耗力的工作。这时候一份优质的数据集汇总就能帮助科研人员&#xff0c;在研究开始的时候事半功倍。这篇文章就向你介绍一份优质的数据集汇总&#xff0c;帮助你的研究工作轻…

互联网架构:常用基础中间件介绍

一般而言中间件和框架的区别是&#xff0c;中间件是独立运行的用于处理某项专门业务的CS程序&#xff0c;会有配套的客户端和服务端&#xff0c;框架虽然也是处理某个专门业务的但是它不是独立程序&#xff0c;是寄宿在宿主程序进程内的一套类库。 图上绿色部分代表了框架&…

论文浅尝 | How to Keep a Knowledge Base Synchronized

Citation: Liang, J.,Zhang, S. & Xiao, Y. (2017). How to Keep a Knowledge Base Synchronized withIts Encyclopedia Source. Proceedings of the Twenty-Sixth International JointConference on Artificial Intelligence, 3749–3755. 论文链接&#xff1a;https://ww…