只为技术专家

CCF TF第33期

主题：人工智能的下半场——

知识图谱的新机遇与行业落地

2020年11月7日 9:00-17:30

上海市长阳路1687号长阳创谷A号楼1楼

个人简介：上海交大博士、上海市优秀博士，同济大学百人计划特聘研究员，PlantData首席科学家。其研究兴趣及专长是知识图谱、人工智能、知识图谱、自然语言处理、对话式用户交互、智能内容生成。他是全球最大的中文开放知识图谱联盟OpenKG发起人之一。出版了《自然语言处理实践》《知识图谱方法、实践与应用》等著作。他还受邀在世界人工智能大会等诸多国际与国内智能峰会上担任讲者，并在自然语言处理国内顶级会议NLPCC多次担任知识图谱方向主席，长期作为ISWC, WWW, AAAI等人工智能国际顶级会议程序委员会委员。负责参与10余项国家自然科学基金、863重大专项、科技部科技支撑、经信委和科委等AI相关项目，共发表90余篇AI领域高水平论文。

主题报告一：《知识图谱技术及联想落地实践》

报告简介：近年来，知识图谱作为一种典型的人工智能技术，在企业界获得了前所未有的关注。构建知识图谱需要投入资源，知识图谱能否在企业落地，能否实现企业预期的价值，成为知识图谱的研发人员和企业决策者亟待回答的问题。本报告将聚焦知识图谱在企业应用面临的机遇与挑战，结合联想的实际业务场景，介绍联想的知识图谱技术以及知识图谱在联想智能客服系统、辅助商业决策等方面的应用实践。我们将与大家深入交流知识图谱落地的心得与体会。

个人简介：毕业于清华大学，分别在1999、 2002和2005年获得工学学士、硕士和博士学位，并于2008年在斯坦福大学计算机系进修。在计算机、自动化、工业工程和制造领域有坚实的专业学术基础, 已在国内外发表论文近40篇、专利100多个。对新技术和新应用保有强烈的兴趣，精通多种编程语言，拥有产品研发整个生命周期的全程动手实践经验，以及多次从0到1的成功经验。专业研究领域是自然语言处理、知识图谱、大数据和大规模分步式复杂系统。当前在联想研究院工作，担任人工智能实验室高级总监，先后负责大数据研发、自然语言处理以及情境计算方面的研发，所研发的智能化系列产品为联想大幅度地提升了数亿元的投资效率，为联想节省近千万美元成本，预计会带动数十亿营收。分别荣获2016、2018两届联想全球最佳个人奖、2019年联想全球智能化转型最佳团队奖，为联想获得2019年全国质量创新最高奖、2019年全国质量标杆称号、2019年爱分析人工智能服务提供商50强称号（NLP领域得分全国第一），所主导研发的对话系统荣获2020年CCF科学技术奖科技进步优秀奖。

主题报告二：《工业知识图谱在能源领域的实践》

报告简介：在电力能源行业中，有大量的专业领域知识，包括物联网传感器数据，国际、国家、行业和企业标准，还有老师傅们日积月累的大量的宝贵经验与文档案例等。但是，这些大量的数据、文档、知识与经验散乱在各个数据库和业务系统，甚至是专家的大脑中。本次分享，将介绍阿里云工业知识图谱平台及其相关技术，如何帮助能源客户从结构化和非结构化数据源中半自动化挖掘专业知识，基于知识图谱构建、维护和运营知识体系，并给上层应用（如精准搜索、辅助问答、多轮对话、AI虚拟老师傅等）提供知识支撑，切实提升客户的生产力和工作效率。上述内容，一部分为非结构化文本型数据，需要借助自然语言处理与信息抽取的技术，以知识图谱的方式将宝贵的信息沉淀下来。另一部分为物联网的传感器数据，需要与非结构化数据、工业机理模型、数学公式、经验规则进行有机结合，充分挖掘现象背后的因果性与相关性，实现一定程度的智能问答、推荐与推理。

个人简介：阿里云工业知识图谱团队以及智慧能源研发团队负责人。浙江大学与佐治亚理工学院的联合培养博士，主要负责人工智能、NLP、知识图谱等前沿技术在电力行业中的应用。参与重大国家/企业项目几十项，发表SCI/EI十篇，专利6项，是最早将自然语言处理和知识图谱技术引入电力领域的学者之一，相关研究被引百余次。主持/参与过的电力智能化相关产品项目有：电力知识图谱管理平台，虚拟运检助手，虚拟检修专家，配网虚拟调度员，电力领域的文本挖掘技术与理论研究，基于机器学习与知识图谱的电站智能化设计，基于大数据分析的输电风险评估，电网智能检修决策与优化模型研究等。

主题报告三：《多模态知识驱动的“美丽新世界”》

报告简介：知识图谱已成为推动人工智能发展的核心驱动力之一，然而，随着信息采集手段与交互方式的日益丰富，各种智能应用的多模态特性逐渐凸显。与此同时，现有的知识图谱技术仍主要局限于文本模态，难以有效地从多模态语义中提炼知识。在本次报告中，我们将结合团队近年来在多模态知识理解、关联与图谱构建方面的若干尝试，概要介绍多模态知识图谱的研究趋势、独有挑战与应用场景，并展望其未来发展方向。

个人简介：中国科学技术大学副教授，硕士生导师。现为中国中文信息学会与中国人工智能学会青年工作委员会委员、中国中文信息学会社会媒体处理专委会通讯委员。主要研究方向为数据挖掘与商务智能研究，在相关领域国际重要期刊及会议发表论文60余篇。受邀担任第11届IEEE国际知识图谱会议等学术会议专题主席及多个重要国际会议程序委员会委员。曽获第十三届国际知识科学工程与管理大会最佳论文奖。

主题报告四：《知识图谱技术在居住领域的迁移应用和演进》

报告简介：近几年，知识图谱已成为人工智能应用及服务的基础核心技术，赋能各种智能agent实现精准查询、深度理解与逻辑推理等能力。图谱技术也从通用领域迁移到垂直领域，并在产业互联网中得到很好的落地应用，帮助产业互联网升级改造。本次分享我们将重点介绍如何将知识图谱迁移应用到房产领域：如何构建一个房产行业图谱、知识图谱技术如何助力房产智能应用的落地，以及知识图谱在行业应用中的一点思考。

个人简介：贝壳找房资深知识图谱研发工程师，2015年毕业于哈尔滨工业大学，曾在搜狗从事任务式对话、通用知识图谱构建、及基于知识图谱的精准问答研发工作，2018年加入贝壳，主要负责房产知识图谱构建、KBQA、及房产领域事理图谱研发工作；曾在DataFun社区分享过《知识图谱在贝壳找房的从0到1实践》。

主题报告五：《敏捷知识图谱工程》

报告简介：知识图谱作为是大数据时代的知识工程集大成者，以其强大的语义表示能力、存储能力和推理能力，为互联网时代的数据知识化组织和智能应用提供了有效的解决方案。知识图谱的应用落地是一个系统性工程，有完整的工程生命周期，系统的生命周期理论给知识图谱的应用落地提供了理论指导；然而在实际落地过程中会碰到应用落地时间较长、技术与业务门槛都较高、数据稀疏导致上层的算法模型效果不佳等问题。本次分享将探讨如何实现敏捷的知识图谱系统工程，降低知识落地过程中的周期与成本，具体内容包括：1）通过组件化、预构建等过程，构建基于知识图谱的认知中台；2）使用虚拟知识图谱（Virtual Knowledge Graphs）实现结构化数据的快速利用；3）基于业务应用编排引擎快速构建基于知识图谱的应用。

个人简介：华东理工大学博士，PlantData CTO，IEEE高级会员，知识图谱实战专家，北京理工大学大数据学习中心顾问，10年知识图谱研究及产业化经验，数个国家级项目骨干成员，ISWC、CCKS2017等国际会议、顶级期刊发表多篇论文及实战报告，知识图谱全生命周期理论提出者。国内最早研究中文知识图谱构建并进行产业化探索，于2012年知识图谱概念之前即发布了基于中文百科的通用知识图谱（SSCO）；多次受邀参与行业顶级交流报告，于CCKS2017知识图谱实战报告，首次提出了行业知识图谱的生命周期并逐步成为业界的标准，迭代研发了适用于百亿级别三元组存储以上的知识图谱数据存储套件，设计了基于“概念-实体-关系-属性-事件-规则”为核心的知识表示方法。现任PlantData CTO，已与中国电科、中航工业、国家电网、华为、招商证券、中国银行、中信建投等数家行业标杆企业达成合作。

主题报告六：《知识图谱在共享知识上的商业应用》

报告简介：基于知识管理、知识共享、知识迁移等目的，对于一种标准化的知识存储方法从WordNet、Wikipedia一直到当今的知识图谱，工作未曾停歇。在传统场景下，知识图谱的构建主要是基于专家知识半自动生成的，面向的是人类的有效知识。这类知识图谱为商务上的推荐系统、推理系统提供了许多的帮助，并且为人工智能的迁移学习等应用打下了基础。除此之外，知识图谱的概念也可能更加抽象化，不仅局限于通常定义下的知识，更可将其基于“对象-关系”的图谱构建与算法框架应用到其他的语义空间中，从而产生一些有效的人工智能解决方案。在这次演说中，将分享一些经验想法，探讨知识图谱在信息融合上的应用与变形，并分享几个在商业开发中，将知识图谱的概念抽象化并延申，从而创造出新的算法开发的例子。

个人简介：英国伯明翰大学计算机科学学院博士、台湾大学资讯工程系硕士，主修集群智能、进化算法、神经网络与博弈论。论文著作10余篇，美国专利1项。2013年获得欧盟NICaiA计划奖助、2016年获得Ramsay Trust奖助、2017年获得IEEE travel grant for IEEE ALIFE。其于2012-2016年间关于集群行为的研究成果曾收到许多反对与抨击，于2017年起独作发表数篇相关论述后，逐渐得到了业界专家的赞赏，并进入新氦类脑智能，将集群算法引入机器视觉与深度学习的研发之中。