报告一：

题目： 语义技术与万物互联
陈华钧 教授，浙江大学
摘要：互联网的下一波浪潮将是人、设备和数据的更加全面和深入的万物互联（IoE: Internet of Everythings）。预计到 2020 年,世界上物物互联M2M(Machine to Machine)的业务，跟人与人通信的业务相比将达到 30 比 1。语义技术的一个重要发展趋势是从万维网进一步拓展到物联网，通过语义描述实现设备抽象，使得设备数据的意义更易于被理解，设备之间更易于集成和交互，并为智能设备的语音交互提供语义理解能力，实现从语义互联网 （The Semantic Web）到语义万联网(The Semantic Internet of Things)。在工业界，OneM2M作为 2012 年成立的全球最大的物联网国际标准化组织，已经把语义技术列为其架构实现的核心技术之一。本报告对工业界和学的相关最新进展进行了介绍，主要探讨了语义技术、知识图谱等方法与物联网技术及应用的融合所带来的技术挑战和新应用。
个人简介：陈华钧，浙江大学计算机科学与技术学院教授、博导。主要研究方向为大数据、语义互联网、生物信息计算等。2000年获浙江大学生物工程学士学位，2004年毕业于浙江大学计算机科学与技术学院，获博士学位。2006年，2007年分别赴耶鲁大学、卡耐基梅隆大学访问深造。担任国际大数据学术期刊Elsevier Journal of Big Data Research管理编委，中国电子学会云计算专业委员会委员，中国计算机学会互联网专业委员会委员等。曾获国际语义互联网会议ISWC最佳论文奖。在Elsevier，Springer等出版社出版英文专著或编著3部。曾联合创办国际语义技术联合会议JIST，担任IEEE/ACM CPSCom等多个学术会议或研讨会主席等。

报告二：

题目： 面向高考地理智能问答的知识表示和推理的初步探索
漆桂林 教授，东南大学

摘要：最近，高考机器人受到了各国的普遍关注。本报告将针对地理类高考题的解题，给出对地理类知识的表示和推理的一些思路。现有的知识表示和推理主要是基于描述逻辑和规则，对于地理类知识的表示，仅仅用描述逻辑和规则是不够的，需要引入空间知识表示。但是空间知识表示和推理跟描述逻辑以及规则如何共存是一个很难的问题。我们将尝试给出一个新的结合多种知识表示和推理的框架，并在此框架下探讨对高考地理类推理问题的自动求解。
个人简介：漆桂林，东南大学计算机科学与工程学院教授，博士生导师。中国计算机学会会员，ACM专业会员。现任中国中文信息学会语言与知识计算专业委员会委员。他于2002年从江西师范大学获得基础数学硕士学位，2006 年从英国贝尔法斯特女皇大学获得计算机科学博士学位，主攻方向为知识表示与推理。2006 年8 月至2009 年8 月，在德国Karlsruhe 大学AIFB 研究所做博士后研究，参与了欧美第六框架项目NeON。他担任Journal of Web Semantics的编委。他多次担任AAAI人工智能会议（AAAI）、国际联合人工智能会议（IJCAI） 、万维网大会（WWW）、国际语义Web会议等会议的程序委员，其中2014年在AAAI担任高级程序委员（Senior PC member），担任过中国语义Web和Web科学联合会议主席(CSWS2012)、中国语义Web和Web科学联合会议2009和2012年程序委员会主席以及2013暑期班联合主席，担任了国际语义Web会议海报和演示的联合主席（2011）、国际知识工程和知识管理（EKAW）会议海报和演示的联合主席（2014）。先后承担包括国家自然科学基金和欧美第七框架项目Marie Curie IRSES在内的多项科研项目，发表学术论文100余篇，特别是在国际人工智能联合会议（IJCAI）、AAAI人工智能会议（AAAI）、知识表示与推理会议（KR）、不确定性推理会议（UAI）、语义网会议（ISWC）发表论文20余篇。

报告三：

题目： 从数据管理角度思考知识图谱
钱卫宁 教授，华东师范大学

摘要：我们自2011年开始利用社交媒体数据对网上集群行为进行系统性的分析和研究。自2013年开始，我们将分析拓展到基于开放数据的垂直领域实体及其关系。知识库和知识图谱的构建及其有效利用是这些分析的共同基础。知识图谱的构建其实是非结构化数据的结构化、知识化的过程；而知识图谱的应用则离不开海量大规模图数据的高效管理。数据本身的规模与结构化程度、知识图谱的规模与质量、数据管理的方式与效率这三者之间具有潜在但紧密的联系。我们将基于所收集的数据，对此进行初步分析，并探讨知识图谱相关的数据管理挑战。

个人简介：华东师范大学数据科学与工程研究院教授、博士生导师，现任上海市高可信计算重点实验室副主任，2004年于复旦大学计算机科学与工程系获博士学位，2004-2006年在复旦大学计算机科学与工程系任教，2007年开始在华东师范大学工作，2011年被聘为教授。他入选了2012年度教育部“新世纪”优秀人才计划，曾获2004年度上海市“青年科技启明星”称号。研究方向包括互联网环境下的数据管理、社交媒体数据分析、知识图谱构建与应用等。

报告四：

题目： 问答系统中的知识图谱
沈李斌 博士，出门问问总监

摘要：问答系统是人工智能的一个典型应用，常见的包括IBM Watson, Siri, Google Now，以及在中文领域，出门问问所开发的针对移动设备的问答系统。知识图谱在这些系统中起到了至关重要的作用。我们将结合IBM Watson和出门问问两个实际问答系统，详细地介绍了知识图谱所起的作用。最后，我们将演示在Ticwear操作系统中，语音问答系统如何借助知识图谱，得到适合手表展示的精确简洁的结果。Ticwear是出门问问新近推出的全球首款兼容安卓的中文智能手表操作系统，支持中文语音交互。

个人简介：沈李斌博士现为Mobvoi（出门问问）公司技术总监。他2006年博士毕业于宾夕法尼亚大学计算机与信息科学系。先后在BBN、IBM任研究科学家，在Akamai任首席软件工程师。他于2008年获A






报告五：

题目： 基于知识图谱的机器语言认知
肖仰华 副教授，复旦大学

摘要：伴随着'奇点'的日益临近, 类人智能已然提上研究日程。如今，人们正迈出实现类人智能的关键一步：知识图谱构建及应用。机器进行语言认知和概念认知的巨大障碍在于缺乏类似于人脑中的海量、有组织的知识体系。而近年来出现的大规模知识图谱正日益成为描述这一缺失的知识体系的不二选择。基于知识图谱，机器语言认知面临全新的机遇，同时也面临着知识图谱的丰富语义和海量规模所带来的巨大挑战。本次报告将介绍复旦大学在海量高质知识图谱构建以及基于知识图谱的语言认知，包括概念化、摘要、分类、推理等方面的研究进展。
个人简介：肖仰华博士，GDM@FUDAN负责人。于2009年获得复旦大学计算软件理论博士学位。复旦大学计算机学院副教授、青年973科学家。主要研究兴趣包括：大数据管理与挖掘、图数据库、知识图谱等。曾访问美国贝勒医学院人类基因组测序中心从事海量基因序列数据管理研究，受到微软“铸星计划”支持访问微软亚洲研究院从事十亿规模大图数据管理和知识图谱的研究工作。曾获得中国计算机学会2010年度优秀博士论文提名奖、教育部高校科研成果二等奖、CCF2014自然科学二等奖、ACM(CCF)上海杰出青年科学家提名奖。作为负责人承担10多项各类国家课题与企业课题，受到国家自然科学基金委员会、科技部、教育部、发改委、上海市科委、上海市经信委、微软、IBM、中国电信、百度等相关机构的资助。至今已经在相关领域顶级、知名国际期刊与会议发表论文30多篇，其中包括Pattern Recognition、Physical Review E, Plos One, Information System, Computers & Mathematics with Applications, BCM Systems Biology, Physica A; SIGMOD, VLDB, ICDE, EDBT, ICSE, OOPSLA, WWW, ECML/PKDD, CIKM, DASFAA, SDM。担任SCI期刊Frontier of Computer Science的青年副主编，长期担任众多国际顶级与知名学术会议的程序委员会委员，包括IJCAI,SIGKDD, ICDE, WWW, CIKM, ICDM, COLING，WAIM等等；常年担任包括国家自然科学基金，省级自然科学基金与政府专项基金的评审专家；常年担任国际知名学术期刊Plos One, IEEE Tansaction on Computers, TKDE, KIS, WWW Journal, JCST, Physica A, IEEE Intelligient System, BMC Bioinformatic, Distributed and Prallel Database等评审人。是ACM, IEEE会员和CCF高级会员。CL最佳论文奖，开发的翻译系统从2008年起连续在美国DARPA Gale和Bolt等重大机器翻译评测中获得第一名的成绩。2014年4月份沈李斌博士加入北京出门问问创业团队。

报告六：

题目：基于随机文法的知识表示与学习
屠可伟 博士，上海科技大学

摘要：随机文法是形式文法的概率化扩展，在自然语言处理领域有着广泛的应用。我们将讨论随机文法如何可被扩展用于建模其他类型的数据，譬如物体与场景的空间层次化构成、事件的时间层次化构成、矢量数据的概率分布等。随机文法应用的一个主要难点是如何获取好的文法，因此我们将进一步讨论随机文法的几种非监督学习方法。

个人简介：屠可伟博士2005年于上海交通大学获计算机科学与工程系硕士学位，2012年于美国爱荷华州立大学获计算机科学博士学位。2012至2014年，他在美国加州大学洛杉矶分校统计系Vision, Cognition, Learning and Art Laboratory从事博士后研究工作。从2014年2月起，他在上海科技大学信息科学与技术学院任助理教授。





报告七：

题目：   Watson和认知系统的新时代
倪渊博士 研究员，IBM中国研究院

摘要：2011年2月，IBM推出的超级计算机沃森在美国最著名的智力问答节目危险边缘的挑战中，战胜了该节目中历史上最伟大的两位人类冠军。从此，IBM引领了认知计算的新时代。2014年，IBM成立了Watson Group, 致力于将Watson的技术用到各行各业中。这里，我将主要和大家分享沃森在医疗行业的应用。最后，将为大家展示IBM正在研究的下一代沃森--让计算机拥有辩论，说服的能力。

个人简介：倪渊博士，IBM中国研究院研究员。倪渊于2003年从复旦大学计算机专业获得学士学位，2007年从新加坡国立大学计算机学院获得博士学位。之后，于2007年12月加入IBM中国研究院。倪渊感兴趣的研究方向包括语义网技术、数据挖掘以及机器学习，并致力于将这些技术应用到医疗信息领域, 金融领域。倪渊在IBM中国研究院主要参与的项目有深度问答项目(沃森), 临床问题的自动问答项目，Debater等项目。倪渊曾发表10余篇国际一级会议论文，包括SIGMOD, ICDE, ISWC，MEDINFO， MIE等，并担任CIKM, ISWC，CSWC， APWeb 的审稿人。


报告八：

题目：语义的时空基础
赵丹，海云数据CTO

摘要：时空认知是语义的基础。语言形成之前，人类思考的主要形式是场景推断。空间认知是识别场景的基础，时间认知是建立因果关系的基础。语言的基本成分和结构——动词（谓词）和名词（概念），是从场景中分离出来的。语言离开空间隐喻无法有效表达含义。时空可以表达逻辑，逻辑不能表达时空。计算语义必须借助时空模型，计算时空必须借助图形学。人工智能的发展路径，空间，体觉，情感各自解决之后，才能结合逻辑和数学，形成完整的语义计算。

个人简介：1973年生于天津，1996年毕业于厦门大学法律系，长期从事软件设计开发工作，曾任天津海量信息技术有限公司首席架构师。2014年1月成为创业企业“海云数据“(www.hiynn.com）合伙人，担任CTO一职。赵丹在数据分析方面具有丰富的经验，尤其熟悉从文本中抽取结构化数据，并进行分析来为客户生成分析报告等解决方案和相关技术




报告九：

题目：    结构化知识在搜索广告中的若干应用举例
张雷博士，百度公司商务搜索部主任架构师

摘要：搜索广告是互联网搜索引擎的主要变现方式，也是更好的连接用户和商家的一种渠道。这次报告将简单介绍搜索广告的产品形式和系统架构。并将通过若干产品和特性的例子，介绍结构化知识在搜索广告中的应用。这次报告将不涉及具体应用中的技术，但希望能抛砖引玉，进一步拓宽结构化知识在互联网上的应用。

个人简介：张雷2005年博士毕业于上海交大计算机专业。后加入IBM中国研究院工作7年，曾担任IBM Watson项目中国研发团队技术负责人。2011年底加入百度。现任商务搜索部主任架构师，负责搜索广告中大规模机器学习系统的研发。在语义Web、问题回答系统、机器学习、信息抽取与检索等领域建树颇多，发表学术论文20篇，引用数超1000次；曾任WWW、IJCAI、ISWC等重要国际学术会议的评审委员和高级评审委员，第九届国际语义网大会（ISWC2010）的本地组织者，上海交大特聘研究员等。