从多源异构数据挑战 知识图谱自动化构建和知识图谱应用三个方面
做主题报告 并结合知识图谱对抗攻防应用情况作了介绍 在多源异构数据难以融合
数据融合走向知识融合 知识谱融合有赖于图谱技术等多重数据挑战下 我们结合通过半自动化结合人工方式提升知识图谱的自动化构建水平 助力安全分析实现认知智能 满足语义理解
动态关联 智能检索和机器推理的业务需求
知识图谱构建是人工智能的研究热点之一 利用知识图谱可以更好的进行理解和推理 开放域
多元知识图谱的目标 是从不同来源文本中获取实体和时间相关信息 并进行泛化组织 本次报告
主要介绍基于实体的知识图谱和构建和融合方法 以及知识图谱在下游任务上的应用
知识图谱在人工智能应用中重要价值日益凸显 基于海量互联网资源 百度构建了超大规模的通用知识图谱 并在智能搜索 智能推荐 智能交互 等多项产品中实现了广泛的应用 随着文本 语音 视觉 等智能技术的不断深入 行业智能化诉讼的请求的提升 知识图谱在复杂知识表示 多模态语语义理解 行业
知识图谱已经成为智能化信息系统的支撑要素之一 要自动构建大规模化的知识图谱 其中关键的一步 是抽取知识三元组 传统的知识抽取方法 采用两步走战略 先进行实体识别再进行关系抽取 存在错误传送错误的问题 为此 考虑联合抽取的策略 将实体识别和关系抽取放在一个框架中 并结合基于知识平移的约束 提高知识获取效率的同时提升了精度 报告以大规模知识图谱构建为主题 汇报团队的一些进展
计算机视觉是人工智能的福地 也是试金石 同时也是边缘计算的最先应用场景 从自动驾驶汽车 到家庭安防 本报告介绍边缘计算视觉赋能的应用场景
随着人工智能 5G和物联网等尖端技术渗透进我们的生活 我们有理由相信在不久的将来 我们生活在一个万物互联的智能时代 智能器件将不再只是与人或者一堆固定的数据交流 他们之间会互相交流 协作 甚至是竞争 从而完成我们当前无法想象的高级智能任务 在学术方面强化学习和博弈论分别代表了决策智能和多智能体系统的技术前沿领域
这两个领域的交叉极可能迸发出万物互联的智能时代的新一代技术 本次报告 我将从多智能体深度学习的基础知识讲解 包括传统强化学习 深度强化学习以及博弈论基础 接着我将从几个落地任务切入 讨论多智能体强化学习的几个经典解决方法 简述他们的基础贡献
绿盟科技集团首席执行技术官叶晓虎 北京航空航天大学网络空间安全信息对抗系主任毛剑 浙江大学计算机科学与技术学院教授 博导 陈华军 中科院自动化所研究员 博士生导师赵军分别从角度 就如何构建知识图谱带来的挑战 如何在保证效率和质量的前提下更新知识图谱 知识图谱的应用场景等问题做了精彩解析
知识图谱表示的向量化使得我们可以更易于泛化的可微分推理 然而 基于表示学习实现知识图谱推理和链接预测丢失了传统符号计算方法的可解释性 即 模型无法对基于向量计算或神经网络训练得到出的推理结论进行解释 导致只知结果但不知为什么 在很多真实的应用场景下 黑盒模型的可解释性缺乏导致很多应用不得不放弃采用表示学习方法 本报告尝试探讨知识图谱与表示学习的可解释性之间的关系 具体针对基于表示学习实现知识图谱推理的可解释性问题 提出一些研究思路和解决方法 并结合真实的应用场景介绍相关的一些实践知识图谱的未来发展 融合的知识表征学习
小米具有极其丰富 不断发展的产品和业务形态 一方面给知识图谱提供了广阔的应用场景 另一方面也给知识图谱的构建和应用提出了挑战 小米AI实验室知识图谱团队做了大量的技术研制和落地应用工作 本报告主要分享我们在图谱构建与应用过程中的一些经验体会 问句的理解是当前的难点 问句纠错 问句改写 意图识别 自然语言 从翻译的角度看问句理解
实体链接 输入文本 谓词判断 关键技术 长尾问题 图谱如何服务于其他产品 典型场景 相关资料推荐 用户画像 补充结构化知识 用户行为状态 联合发起机构 搜素与下载 期望开展广泛的合作 一起推动技术的进步
知识图谱作为对数据进行结构化组织与体系化管理的一项技术 近年来给信息与通信行业带来深刻变革 随着SG与AR技术的兴起 知识图谱的发展出现了新的特点 本报告将从信息与通信行业出发 介绍企业级知识图谱的构建 推理与应用技术
华为知识图谱的总体特点 华为知识图谱特色 为核心打造全场景体验 场景举例一 动态查询可视化 领域三大诉求 百度大规模知识图谱构建及智能应用 网络部署 一站一设计 长期以来 站点设计是一个涉及 华为开发者大会 全场景体验 企业级领域知识图谱构建 推理 及应用 数据规范化 碎片化知识 动态知识与小样本 领域知识图谱构建云平台