新闻 | 聚焦技术领域现状与发展阿里巴巴知识图谱专场亮相云栖大会 阿里知识图谱亮相云栖大会产学深度交流推进业务创新

14日,阿里巴巴知识图谱正式亮相云栖大会,本次活动邀请到诸多阿里技术专家与学界领军人物参会,一同探讨知识图谱领域的现状与远景,推动产业界与学术界深度交流。



 

知识图谱将信息表达成更接近人类认知世界的形式,提供了帮助互联网组织、管理和理解海量信息的能力,已经成为推动人工智能发展的核心驱动力之一。

 

为了推动产学深度交流,促进业务创新,会前,阿里巴巴副总裁、业务平台负责人墙辉(花名:玄难)分别与新加坡资讯通信研究院自然语言处理系主任苏俭博士、清华大学李涓子教授、浙江大学陈华钧教授等参会学者专家进行了深度的一对一交流,交换知识图谱产业界与学术界的技术观点和思路,为进一步的双方合作寻找契合点。


阿里巴巴副总裁、业务平台负责人墙辉(右)与现场专家进行交流

 

据了解,阿里巴巴知识图谱与学界早就有着深度合作,此前已经与苏州大学国家杰出青年基金获得者张民教授及其团队建立了合作,目标研究知识图谱领域里涉及的文本处理前沿技术,同时还与浙江大学陈华钧教授团队建立了合作,目标研究知识图谱领域里知识表示与推理前沿技术。

 

本次会议开场,阿里业务平台高级专家郭立超(花名:卡方)向参会来宾介绍了阿里巴巴知识图谱历史、现状和未来。


阿里巴巴高级数据专家郭立超开场发言

 

随后,阿里巴巴业务平台商品知识图谱团队负责人张伟(花名:览图)在主题演讲中介绍了阿里商品知识图谱发展和应用。商品知识图谱以商品、标准产品、标准品牌、标准条码、标准分类为核心,利用实体链指和语义分析技术,形成了百亿级的知识网。商品知识图谱利用前沿的深度学习、语义推理等技术,形成了完整的知识图谱技术平台, 打造了全网商品智能服务体系。阿里商品知识图谱广泛地应用于搜索、前端导购、平台治理、智能问答、品牌商运营等阿里生态核心业务。


阿里巴巴业务平台商品知识图谱团队负责人张伟会场发言

 

在专家演讲中,来自神马搜索的高级专家华能威先生围绕“知识图谱:让移动搜索知识化、智能化演进”这一主题与大家分享了在移动搜索中的应用现状和搜索引擎向问答引擎演进的思考和探索,及知识图谱在其中的重要价值。


神马搜索高级专家华能威先生会场发言

 

清华大学的李涓子教授则以“知识工程:机器智能的加速器”为题发表演讲,阐述了知识图谱的前世今生,知识驱动的符号计算与数据驱动的深度学习之间的关系及其面临的挑战,同时给大家演示了清华大学利用知识图谱技术打造的学术信息管理、获取的引擎。



清华大学李涓子教授会场发言

 

新加坡资讯通信研究院自然语言处理系主任苏俭博士则在演讲“Semantic and Sentiment Analysis forKnowledge Graph Construction”中,与现场嘉宾分享了其在自然语言处理领域16年的研究与探索成果, 涵盖了信息提取和情感分析等多个子任务, 并着重讲述了知识图谱构建过程中的理念与发现。



新加坡资讯通信研究院自然语言处理系主任苏俭博士会场发言

 

就当前领域内广泛应用的开放知识图谱OpenKG,浙江大学陈华钧教授为在场来宾分享报告“OpenKG与cnSchema:开放的知识图谱生态与社区”,报告中介绍了开放知识图谱OpenKG的正在开展的工作,并结合cnSchema的工作,介绍了知识图谱在智能搜索及问答领域的潜在应用场景。



浙江大学陈华钧教授会场发言

 

深圳狗尾草智能科技公司CTO王昊奋先生以“WhenKnowledge Graph Meets Chatbot:Opportunities andChallenges”为题,针对当下发展得如火如荼的聊天机器人应用发表演讲,系统地阐述聊天机器人的分类和关键技术,并聚焦到知识图谱技术在问答、推理和服务融合等方面的机遇和挑战。



狗尾草智能科技公司CTO王昊奋会场发言

 

最后, 来自东南大学的漆桂林教授为现场来宾带来了“大数据知识图谱推理技术进展“的精彩演讲,为现场观众们全面介绍了知识图谱推理技术的最新进展,并分享了知识推理未来发展的建议,为知识图谱专场的专家演讲环节画上了圆满的句号。


东南大学漆桂林教授会场发言

 


与会现场专家学者合影

 

阿里巴巴生态里积累了海量的商品数据,结合学界最前沿的知识表示与推理和自然语言处理技术。如今,阿里已成功打造出了国内最顶尖的电商域知识图谱。在未来,阿里巴巴也将继续与学界专家携手,引领科技创新,共同培育打造开放的知识图谱社区。





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/481039.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

100篇论文串讲对话系统前世今生

不可以不可以,都在忙着过年呢,小夕怎么能推这种文章呢╮(╯▽╰)╭话说,大年初一你萌怎么能戳进来这种文章!快,赶紧承认你是卖萌屋的真爱粉( ̄∇ ̄)~小屋今天不卖干货,只送…

【LeetCode】3月31日打卡-Day16-数组排序算法汇总

排序算法一览 快排 插入排序 希尔排序 桶排序 计数排序 归并排序 桶排序 class Solution {public int[] sortArray(int[] nums) {if(nums.length <1)return nums;qSort(nums,0,nums.length-1);selectSort(nums);insertSort(nums);shellSort(nums);bucketSort(nums);countS…

如何打造高质量的NLP数据集

今天发烧睡了一天T^T&#xff0c;睡醒后突然想起这个都快凉透的订阅号&#xff0c;刷了刷知乎&#xff0c;刷到了这个问题知乎&#xff1a;如何打造高质量的机器学习数据集&#xff1f; https://www.zhihu.com/question/333074061/answer/773825458于是就有了暖暖卖萌屋的冲动(…

郑杰 | 如何拿回我们自己的医疗数据?

本文转载自公众号造就&#xff0c;作者郑杰&#xff0c;树兰医疗总裁&#xff0c;OMAHA 开放医疗与健康联盟发起人。 造就 大家好&#xff0c;我是郑杰&#xff0c;来自于杭州。我出生于一个医生世家&#xff0c;也在医院边上长大&#xff0c;但大学里我读的是计算机专业&#…

【Java】Object类、Objects类和日期类

1 Object类 Object类是所有类的父类&#xff0c;每个类都直接或间接的继承自该类 1.1 Object.toString() 作用&#xff1a;打印输出类信息 重写前&#xff1a;打印输出包名类名地址值 重写后&#xff1a;打印输出属性值 1.2 Object.equals() 作用&#xff1a;比较两个对象…

问题对语义相似度计算-参赛总结

时间段&#xff1a;2018.06.10~2018.07.20问题对语义相似度计算&#xff08;从0到0.5&#xff09; 短短一个多月的时间&#xff0c;我学到了很多很多东西&#xff0c;从一个呆头小白初长成人。首先&#xff0c;必须感谢我的导师能给我这个机会从头到尾完整地参加这次比赛&#…

后BERT时代:15个预训练模型对比分析与关键点探究

前言在小夕之前写过的《NLP的游戏规则从此改写&#xff1f;从word2vec, ELMo到BERT》一文中&#xff0c;介绍了从word2vec到ELMo再到BERT的发展路径。而在BERT出现之后的这大半年的时间里&#xff0c;模型预训练的方法又被Google、Facebook、微软、百度、OpenAI等极少数几个玩得…

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”&#xff0c;为进一步了解知识图谱技术的应用场景&#xff0c;2017年10月22日在…

【Java】StringBuilder类、包装类

1 StringBuilder类 1.1 String的劣势 String类中字符串是常量&#xff0c;创建后不能更改 //底层是final修饰的数组 private final byte[] value;字符串相加&#xff0c;内存中会存在多个字符串&#xff0c;占用空间多&#xff0c;效率低下 1.2 StringBuilder的优势 Strin…

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&#xff0c;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&#xff1a;这不是一篇学术综述&#xff0c;也不是单纯的科普文&#xff0c;而是试图从目标出发来渐进式的思考对话系统的设计&#xff0c;顺便科普。因此本文不适合跳读&#xff0c;也不适合5分钟式浏览&#xff0c;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&#xff08;Knowledge Representation&#xff0c;KR&#xff0c;也译为知识表现&#xff09;是如何将结构化数据组织&#xff0c;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&…

【Java】Collection集合和泛型

学习目标&#xff1a;会存取&#xff0c;掌握特性 学习方式&#xff1a;学习顶层接口/抽象类的共性方法&#xff0c;使用底层的子类创建对象使用 1 集合框架 集合类的继承体系&#xff1a; Collection接口&#xff1a; 1) List接口&#xff1a;有序、允许重复、有索引 1.1) Ar…

]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&#xff0c;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&#xff0c;但最主要的两个因素是用户查询和网页内容的相关度&#xff0c;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&#xff0c;有非常非常多的子问题&#xff0c;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&#xff0c;本文就是为解决这一类问题的。希望读者在看完本文后&#xff0c;可以理清楚对话的每个概念为什么而存在&#xff0c;以及它在整…

综述 | 知识图谱向量化表示

本文作者&#xff1a;窦洪健&#xff0c;2016级研究生&#xff0c;目前研究方向为推荐系统、文本生成&#xff0c;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&#xff0c;为该专栏特供稿件&#xff08;https://zhuanlan.zhihu.com/…

【LeetCode】4月2日打卡-Day18-矩阵操作

题1 生命游戏 描述 根据 百度百科 &#xff0c;生命游戏&#xff0c;简称为生命&#xff0c;是英国数学家约翰何顿康威在 1970 年发明的细胞自动机。 给定一个包含 m n 个格子的面板&#xff0c;每一个格子都可以看成是一个细胞。每个细胞都具有一个初始状态&#xff1a;1 即…

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」&#xff0c;原文作者「余帅」&#xff0c;链接https://zhuanlan.zhihu.com/p/358829371 本文学习目标1. 复习Q-Learning&#xff1b;2. 理解什么是值函数近似&#xff08;Function Approximation&#xff09;&#xff1b;3. 理解什么是DQN&…