技术论坛 | 10月22日在微软:“行业知识图谱+ ”论坛通知

大数据创新学习中心

《国务院新一代人工智能发展规划》的“跨媒体分析推理技术”强调“重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术”,为进一步了解知识图谱技术的应用场景,2017年10月22日在微软大厦举办“行业知识图谱+”论坛,论坛包括两个环节:业界精英主题报告、兴趣学习小组学习经验分享与学习成果展示汇报。本次论坛免费开放,诚挚邀请感兴趣人士莅临,具体事项如下:


时间:2017年10月22日(周日)13:00—18:00

地点:北京中关村微软大厦一号楼 故宫会议室


主办单位:微软

协作单位:雪晴数据网     北京友万科技有限公司

 

活动流程

 

时间

主题

主讲人

13:00—14:00

行业知识图谱实战

胡芳槐

Plantdata CTO

14:00—14:30

图情领域知识图谱技术路径

逄金辉

北京理工大学图书馆

14:30—15:10

知识图谱,金融大数据治理的基石—证券行业知识图谱应用分享

夏磊

数库科技 CTO

15:10—15:50

知识图谱在智能客服中的应用

杜振东

南京云问NLP负责人

15:50—16:00

茶歇


16:00—16:40

中医药知识图谱的构建与应用

于彤

中国中医科学院中医药信息所

16:40—17:20


吴刚

北京知识图谱科技公司CEO

17:20—17:40

食物营养知识图谱的构架

学习小组汇报

17:40—18:00

森林经营知识图谱的构建与应用

学习小组汇报

 

演讲信息

 

报告1:行业知识图谱实战

内容简介:行业知识图谱生命周期分为6个阶段,包括知识建模,知识获取,知识融合,知识存储,知识计算和知识应用。本次学习活动将会详细讲解各过程中的相关技术、现有的可用工具,以及介绍最佳实践方式和相关组件。同时针对每个过程,我们会以金融证券领域的创投知识图谱为例来进行实战描述。

报告人介绍:胡芳槐,华东理工大学博士,知识图谱和本体学习10年以上的研究以及产业化经验,多个相关方向的国家项目和上海市政府项目骨干成员,国内最早研究中文知识图谱构建并进行产业化探索实践,在国际知名会议和期刊上发表多篇中文图谱构建、机器学习方面相关论文。长期从事知识图谱构建及应用方面研究,所在公司率先提供并自主研发垂直行业知识图谱构建及应用解决方案 -- PlantData图谱数据智能平台,致力于推进行业私有化知识图谱的构建及应用,现已有全国企业商业知识图谱,中外创投知识图谱,海洋鱼类知识图谱,全国专利知识图谱等行业应用成功落地。

 

报告2: 图情领域知识图谱技术路径

内容简介:本次报告将介绍如何通过行业知识图谱解决图书馆知识表示、资源管理、知识可视化应用等关键需求,并结合图谱领域特点,给出图情知识图谱从构建到应用的技术路径,最后以水稻和科学家这两个领域的实际案例,分享图情领域知识图谱的实战经验。

报告人介绍:逄金辉,北京理工大学大数据创新学习发起人、北京理工大学博士、北京理工大学图书馆副教授,北京运筹学会理事、中国运筹学会会员、中文信息学会会员,主持国家自然科学基金项目、北京市社会科学基金项目、教育部人文社科基金项目等各类课题,研究方向为博弈理论及其应用、决策与优化方法、数据挖掘与知识管理、情报理论与实践。

 

报告3:知识图谱,金融大数据治理的基石——证券行业知识图谱应用分享

内容简介:伴随着人工智能的新一波舆论浪潮,越来越多的企业开始关注如何将人工智能应用到自身的业务中去。知识图谱,作为人工智能技术中的基础领域,并不为企业所熟知。结合数库科技多年在金融领域的实践,我们将从三个方面(Part I. 为什么要构建知识图谱;Part II. 如何构建知识图谱——以证券行业为例;Part III. 实例:从数据中提取知识)一起探讨:

1企业的哪些场景需要构建知识图谱?

2如何建立知识库——从数据中挖掘知识、到搭建知识库。

3知识库的应用。



报告人介绍:夏磊,数库科技 CTO。 2012年加入数库,负责整体研发和技术发展,推动人工智能在金融领域的应用。在加入数库之前,曾先后就职于IBM Demandtec和HP,分别从事retailer大数据架构、云计算和移动互联网架构工作。

 

报告4:知识图谱在智能客服中的应用

内容简介:在客服领域内,知识图谱系统的构建方法及其应用效果,主要包括:

1)客服领域图谱构建方法与应用

2)企业多维度数据融合

3)如何构建大规模行业知识图谱

4)知识检索、分析与可视化的解决方案案例。

报告人介绍:杜振东,南京理工大学计算机硕士,南京云问网络有限公司NLP部门负责人,长期从事短文本处理及相关应用方面研究,在国内最先提出多维度数据融合的智能客服应用解决方案。相关方案在电商、金融、新零售等领域都受到成功验证。

云问科技的研发团队从2007年起开始进行大数据、搜索引擎等开发,于2008年推出了企业搜索产品,与2010年成功开发了人工智能客服机器人,是中国领先的企业智能服务平台提供商。专注于通过人工智能机器问答技术超过6年。是中国领先的企业智能服务平台提供商。

 

报告5:中医药知识图谱的构建与应用

内容简介:“中医药学语言系统”是以本体的技术理念构建的大型语言系统。它已发展为一个包含10余万个中医概念以及100余万个语义关系的大型语义网络,基本覆盖了中医药学科的概念体系。我们以中医药学语言系统为骨架,集成中医药领域现有的数据库,构成中医药知识图谱,可用于知识检索、知识可视化等应用。本报告首先简要介绍中医药应用背景,进而讨论中医药知识图谱的数据来源、构建方法和应用,并提出中医药知识图谱的应用前景。

报告人介绍:于彤,2012年获浙江大学计算机博士学位,现为中国中医科学院中医药信息研究所助理研究员,在中医药信息学领域具有近十年的研究经历,主要研究兴趣包括:本体、语义网、知识工程等,参与研发了中医药学语言系统、中医临床术语系统、中医药知识服务平台以及中医药知识图谱。

 

报告6:知识图谱在法律AI领域的应用

内容简介:本报告主要介绍知识图谱技术概述, 法律AI的市场应用概览、典型的应用场景以及知识图谱如何在法律领域结合以助力法律AI应用。

报告人介绍:吴刚,北京知识图谱科技公司CEO,中科院软件所硕士、研究方向是人机交互和智能信息处理。2008年加入全球最大的法律、金融、科技、税务智能信息提供商汤森路透任职中国首席技术顾问,负责汤森路透在中国区的产品开发、本地客户解决方案、咨询以及售后实施工作。有10余年大数据情报产品设计开发、售前、售后实施经验,对大数据技术和产品、情报领域业务有深厚的积累和深刻的理解。

北京知识图谱科技有限公司成立于2017年,公司主要业务是基于自己核心的知识图谱平台技术开发面向行业的人工智能产品服务,目前已在(公检法、军事、科技)情报分析、智能金融、智慧司法、农业健康智能问答、智能客服领域进行产品的开发和推广。公司技术覆盖从数据采集到数据清洗、知识提取、知识表现、知识推理、动态本体建模存储、关联分析、可视化、问答系统、语义检索等知识图谱核心技术。

 

学员汇报1:食物营养知识图谱的构架

报告内容:民以食为天,随着生活水平的不断提高,人们越发重视饮食营养和平衡膳食,因为这关系到每个人的身体健康,对于食物成分和食物搭配知识的了解是健康饮食的根本。本学习小组通过收集食物营养相关的数据,构架知识图谱,实现食物营养成分、功效、搭配及禁忌查询,为将来食物营养知识的共享与普及打下基础。

报告人:食品营养知识图谱学习小组成员来自北京理工大学、中国传媒大学、中科院、中国中医科学院、中国科学院大学、江南大学、北京地区业界人员。

主要成员:池振奋、聂凌虎、刘刃、 袁琦、刘超飞、仝福强、李博龙、戚成琳、王建峰、丁磊

 

学员汇报2:森林经营知识图谱的构建与应用

报告内容:森林经营是各种森林培育措施的总称,是森林管理的重要组成部分,即从宜林地上形成森林起到采伐更新时止的整个培育管理措施。针对森林经营整个过程涉及的林业知识繁多的现状,我们围绕森林经营体系,集成林业领域现有的数据库,构成森林经营知识图谱,可用于知识检索、知识可视化、专家辅助决策等应用。本报告首先简要介绍森林经营知识应用背景,进而讨论森林经营知识图谱的数据来源、构建方法和应用,并探讨了森林经营知识图谱的应用前景。

报告人: 林业知识图谱构建兴趣小组成员,小组成员分别来自北京林业大学、北京理工大学、北京师范大学等高校学生。完整参与了北理工“大数据创新活动中心”组织的知识图谱学习活动,经过半年多的学习,小组成员以林业领域为背景,探索了林业知识的组成,并构建了森林经营知识图谱。

主要成员:陈栋、闵志强、赵盼云、赵杭州、陈玉玲、杜雨霏、李宜瑾、宋子豪

由于会场座位有限,报名人员,方可进入会场。

 

   招募志愿者,可将简历发送到pangjinhui1@126.com,期待您的加入!!!


报名请打开原文链接




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。

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/481030.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

从贪心选择到探索决策:基于强化学习的多样性排序

本文主要介绍发表在SIGIR2018上的论文From Greedy Selection to Exploratory Decision-Making: Diverse Ranking with Policy-Value Networks​www.bigdatalab.ac.cn这篇论文利用强化学习来解决多样性排序问题,整体思路和AlphaGo类似。Motivation在信息检索领域一个…

对话系统聊天机器人的设计艺术(上)

前言关于本文的阅读方式:这不是一篇学术综述,也不是单纯的科普文,而是试图从目标出发来渐进式的思考对话系统的设计,顺便科普。因此本文不适合跳读,也不适合5分钟式浏览,而是适合在夜深人静的时候一个人...…

鲍捷 | 知识表示——面向实战的介绍

本文转载自文因互联 2016 年 6 月份组织的第一期北京知识图谱学习小组 Wiki。 知识表示(Knowledge Representation,KR,也译为知识表现)是如何将结构化数据组织,以便于机器处理和人的理解的方法。从结构推导出新的结构&…

]搜索引擎的文档相关性计算和检索模型(BM25/TF-IDF)

搜索引擎的检索模型-查询与文档的相关度计算1. 检索模型概述搜索结果排序时搜索引擎最核心的部分,很大程度度上决定了搜索引擎的质量好坏及用户满意度。实际搜索结果排序的因子有很多,但最主要的两个因素是用户查询和网页内容的相关度,以及网…

对话系统(任务型、检索式、生成式对话论文与工具串讲)

Motivation 对话是一个很大的概念,有非常非常多的子问题,刚入坑的小伙伴很可能迷失在对话的一小块区域里无法自拔,本文就是为解决这一类问题的。希望读者在看完本文后,可以理清楚对话的每个概念为什么而存在,以及它在整…

综述 | 知识图谱向量化表示

本文作者:窦洪健,2016级研究生,目前研究方向为推荐系统、文本生成,来自中国人民大学大数据管理与分析方法研究北京市重点实验室。 本文收录于RUC AI Box专栏,为该专栏特供稿件(https://zhuanlan.zhihu.com/…

强化学习扫盲贴:从Q-learning到DQN

本文转载自知乎专栏「机器学习笔记」,原文作者「余帅」,链接https://zhuanlan.zhihu.com/p/358829371 本文学习目标1. 复习Q-Learning;2. 理解什么是值函数近似(Function Approximation);3. 理解什么是DQN&…

肖仰华 | 基于知识图谱的可解释人工智能:机遇与挑战

本文转载自公众号知识工场,整理自 2017 年 10 月 13 日肖仰华教授在 CIIS2017 中国智能产业高峰论坛上所做的报告。 肖仰华:很高兴有机会跟大家一起分享《基于知识图谱的可解释人工智能:机遇与挑战》。 刚才刘总的报告中提到了机器和人类将来…

对话系统的设计艺术(完结)

Motivation对话是一个很大的概念,有非常非常多的子问题,刚入坑的小伙伴很可能迷失在对话的一小块区域里无法自拔,本文就是为解决这一类问题的。希望读者在看完本文后,可以理清楚对话的每个概念为什么而存在,以及它在整…

2018届校招面经精选

https://www.zhihu.com/question/23259302 牛客网​已认证的官方帐号819 人赞同了该回答最好的办法就是看看别人是怎么准备的,通过别人的面经来反思自己如何准备。针对应届生校招面试 “机器学习” 相关岗位的情况,牛妹为大家整理了一批面经&#xff0c…

白硕 | 知识图谱,就是场景的骨架和灵魂

本文转载自公众号恒生技术之眼 知识图谱,目前已在全世界得到了重视和应用,成为当下人工智能热的一个重要组成部分。它究竟是怎样的一种技术?它的应用场景在哪里?未来国内企业该如何发展?让我们一起来聊聊。 从知识图谱…

您的DST大礼包请查收

本文转载自刘冲大佬(知乎id:呜呜哈)的知乎文章,链接:https://zhuanlan.zhihu.com/p/40988001除本文外,作者还写了很多对话相关的良心好文!做对话的小伙伴千万不要错过这位良心答主噢(&#xffe…

LSTM长短记,长序依赖可追忆(深度学习入门系列之十四)

摘要:如果你是一名单身狗,不要伤心,或许是因为你的记忆太好了。有时,遗忘是件好事,它让你对琐碎之事不再斤斤计较。然而每当自己记不住单词而“问候亲人”时,也确实气死个人。于是你懂得了如何控制好什么信…

技术动态 | 清华大学开源OpenKE:知识表示学习平台

本文转载自公众号机器之心,选自 THUNLP。 清华大学自然语言处理实验室近日发布了 OpenKE 平台,整合了 TransE、TransH、TransR、TransD、RESCAL、DistMult、HolE、ComplEx 等算法的统一接口高效实…

多任务学习时转角遇到Bandit老虎机

注:本文的正文干货转载并少量修改自大佬覃含章(知乎id同名,知乎必关的数值优化大佬啊啊)的一篇知乎回答,链接https://www.zhihu.com/question/53381093/answer/562235053一个转角事情是这样的,最近小夕在做…

NLP13-LDA引发的一系活动

摘要: 目标是想了解也学习LDA,寻找学习LDA相关资料,学习LDA相关的概率基础,对于LSI,pLsa,LDA作为主题模型的对比;然后到LDA本身,对LDA相关的概率基础进行学习。把相关资料疏理与集合起来。

王昊奋 | 从聊天机器人到虚拟生命:AI技术的新机遇

本文转载自公众号中国人工智能学会。 10月12-13日,第七届中国智能产业高峰论坛在佛山开幕,在NLP与服务机器人专题论坛上,深圳狗尾草CTO王昊奋发表了主题为《从聊天机器人到虚拟生命:AI技术的新机遇》的精彩演讲。 以下是王昊奋老师…

【Java】如何理解Java中的异常机制?

1 异常的概念 程序在执行过程中出现非正常线性,导致JVM非正常停止异常不是语法错误 2 异常的分类 Throwable是所有错误或异常的超类Exception是编译期间异常(写代码时IDE会报错)RuntimeException时运行期异常,程序运行时出现的…

文本匹配相关方向总结(数据,场景,论文,开源工具)

Motivation 前不久小夕在知乎上写了一个回答《NLP有哪些独立研究方向》,于是有不少小伙伴来问分类和匹配的参考资料了,鉴于文本分类的资料已经超级多了,就不写啦(不过分类相关的tricks可以看之前写的这篇文章《文本分类重要tricks…

机器学习】LDA线性判别分析

【机器学习】LDA线性判别分析1. LDA的基本思想2. LDA求解方法3. 将LDA推广到多分类4. LDA算法流程5. LDA和PCA对比【附录1】瑞利商与广义瑞利商线性判别分析 (Linear Discriminant Analysis,LDA)是一种经典的线性学习方法,在二分类问题上因为最早由[Fish…