背景介紹

知識圖譜是對人類先驗知識的概括，具有重要的學術價值和廣泛的應用前景。在深度學習廣泛應用環境下，知識圖譜的表示學習通過將圖譜實體和關系向量化，便于利用深度學習技術實現異質信息融合；同時，基于這種圖譜表示的圖譜推理能夠極大地擴展現有知識的邊界，有力地輔助人類進行智能決策。

3月12日，9:00-12:45，在DataFunSummit2022：知識圖譜在線峰會上，由京東硅谷人工智能研究院高級研究員王廣濤出品的知識表示與推理論壇，將結合知識圖譜近年來的研究趨勢與應用場景，聚焦圖譜表示學習從基于三元組打分到考慮推理路徑和結構化信息的演變，大規模知識圖譜上的多跳推理，融合自然語言的時序知識圖譜推理，及其在金融和零售業務場景下的應用，同時分享知識圖譜表示及推理在未來面臨的挑戰和機遇。

具體日程

詳細介紹

出品人：王廣濤

京東硅谷人工智能研究院?高級研究員

個人簡介：王廣濤，京東硅谷人工智能研究院高級研究員，現主要研究內容包括圖神經網絡，知識圖譜表示學習以及其在自然語言處理/理解方面的應用，參與多項圖神經網絡/知識圖譜相關項目，包括知識圖譜自動構建/補全、京東與斯坦福大學知識圖譜合作課題，基于圖神經網絡多跳可解釋性問答系統。于2013年獲西安交通大學計算機科學與技術系博士學位，新加坡南洋理工大學、美國密歇根大學博士后，期間主要研究方向高維數據處理、屬性子集選擇以及機器學習算法自動推薦。

分享嘉賓：

1. 張永祺 第四范式?資深算法研究員

演講議題：自動化知識圖譜表示學習：從三元組到子圖

議題介紹：在知識圖譜表示學習中，三元組、路徑和子圖為三個重要的建模維度，為實現自適應的圖譜建模，第四范式基于自動化機器學習算法，研發了多個維度上的自動化知識圖譜表示學習技術。本次分享將從這三個維度，介紹近年來主流的建模方法和第四范式的自研算法。

內容靚點：

靚點1：知識圖譜建模的關鍵點是什么？
靚點2：三元組、路徑和子圖的建模方式，各有什么優劣？
靚點2：自動化機器學習能為知識圖譜表示學習帶來什么提升？

個人簡介：張永祺博士畢業于香港科技大學計算機系，自2020年起在第四范式科學技術部從事機器學習算法研究工作，主要研究方向為自動化機器學習、知識圖譜表示學習與圖神經網絡。其自研的自動化知識圖譜表示學習技術，在知識圖譜的多項重要任務上達到國際領先水平，并在人工智能領域頂級會議期刊NeurIPS, WWW, VLDB Journal, ICDE上發表多個相關工作。

2. 任泓宇 斯坦福 博士生

演講議題：知識圖譜多步推理

議題介紹：

Learning?low-dimensional?embeddings?of?knowledge?graphs?(KGs)?is?a?powerful?approach?for?predicting?unobserved?or?missing?relations?between?entities.?However,?an?open?challenge?in?this?area?is?developing?techniques?that?can?go?beyond?single?link?prediction?and?handle?more?complex?multi-hop?logical?queries,?which?might?involve?multiple?unobserved?edges,?entities,?and?variables.?In?this?talk?I?present?a?framework?to?efficiently?and?robustly?answer?multi-hop?logical?queries?on?knowledge?graphs.?Based?on?prior?work?that?learns?entity?and?relation?embeddings?on?KGs,?our?key?insight?is?to?embed?queries?in?the?latent?space?and?design?neural?logical?operators?that?simulate?the?real?logical?operations.?We?give?rise?to?the?first?multi-hop?reasoning?framework?that?can?handle?all?first-order?logic?queries?on?large-scale?KGs.?We?demonstrate?the?effectiveness?and?robustness?of?our?approach?in?the?presence?of?noise?and?missing?relations?for?query?answering?on?KGs.?Finally,?I?will?introduce?an?efficient?codebase?SMORE,?the?first?framework?that?scales?the?above?algorithms?to?KGs?with?over?90?million?nodes.

聽眾收益：

Recent?advances?in?knowledge?graph?embeddings,?neural?symbolic?reasoning?and?beyond.

新技術/實用技術點：

• Query2box:?Reasoning?Over?Knowledge?Graphs?In?Vector?Space?Using?Box?Embeddings.?H.?Ren,?W.?Hu,?J.?Leskovec.?ICLR,?2020.?

• Beta?Embeddings?for?Multi-Hop?Logical?Reasoning?in?Knowledge?Graphs.?H.?Ren,?J.?Leskovec.?NeurIPS?2020.

• SMORE:?Knowledge?Graph?Completion?and?Multi-hop?Reasoning?in?Massive?Knowledge?Graphs.?H.?Ren,?H.?Dai,?B.?Dai,?X.?Chen,?D.?Zhou,?J.?Leskovec,?D.?Schuurmans.?ICML?SSL?workshop?2021.

個人簡介：

Hongyu?Ren?is?a?fourth?year?CS?Ph.D.?student?at?Stanford?advised?by?Prof.?Jure?Leskovec.?His?research?interests?lie?in?the?intersection?of?graph?representation?learning?and?neural?symbolic?reasoning?on?structured?data.?His?recent?work?includes?learning?knowledge?representations?and?advancing?multi-hop?reasoning?on?large-scale?knowledge?graphs.?His?research?is?supported?by?the?Masason?Foundation?Fellowship?and?Apple?PhD?Fellowship.

3. 商超 京東硅谷研究院?研究員

演講議題：基于時序知識圖譜的問答系統

議題介紹：傳統知識圖譜將實體之間的關系定義為三元組，然而很多知識和信息是隨著時間演變的，這些實體和對應的關系需要包含時間才能完整定義，這就推動了時序知識圖譜的發展，而如何基于復雜的時序知識圖譜來回答時間相關的問題，就面臨著很多新的挑戰，傳統的問答模型無法很好的建模這些時間信息。為了解決這些挑戰，本次分享主要會和大家一起來探索如何提升時序知識圖譜問答系統的時間敏感度，其中包含時序知識圖譜的表達學習，自然語言問題中隱含的時間推理等等。

內容靚點：

• 如何提升時序知識圖譜問答系統的時間敏感度?

• 如何建模問題的時間推理過程？

• 如何在知識圖譜嵌入學習中強調時間信息？

個人簡介：商超，現就職于京東硅谷研究院，擔任研究科學家。博士畢業于University of Connecticut大學計算機系。他的研究主要集中在圖神經網絡和自然語言處理，近期致力于知識圖譜的表征學習，問答系統設計，和圖神經網絡在時序數據和生化等領域的應用。

4. 肖楠 京東科技 算法專家

演講議題：知識推理在金融場景的應用與嘗試

議題介紹：在智能投研場景，如果能更加全面的發現影響股價的特征，將會得到更準確的結果；在輿情傳播場景，如果能自動發現事情的發展規律，將會更有效的提示風險。那么，將因果關系增加到知識圖譜中是一個很好的解決方案。但是也引出了很多問題，如何發現因果關系，如何將因果知識對齊。這些將會在本次議題分享。

內容靚點：

1、因果關系在金融場景是如何運用的
2、怎樣發現文本中的因果關系
3、怎樣有效的對齊因果關系

個人簡介：碩士學位，畢業于布里斯托大學，曾就職中科院大學，現就職于京東科技。目前主要負責京東科技知識圖譜、知識抽取、內容審核等相關任務的算法開發以及項目落地。主要成果有產業鏈圖譜自動構建、電商評論數據四元組抽取、金融事理圖譜等。

5. 陳鳳嬌 美團 技術專家

演講議題：基于美團大腦的商品理解

議題介紹：零售商品是美團重點發展業務，本次分享介紹如何基于美團大腦的知識庫，對商品進行結構化理解，進而更好地支持業務應用。

內容靚點：

1. 通過多階段知識表示和融合，提升模型預測泛化性和可控性；
2. 通過樣本治理，高效率低成本地提升模型效果；
3. 結合場景分析問題，用簡單的方法解決復雜的問題；

個人簡介：曾就職于微軟亞洲研究院，參與文本處理相關工作；后加入初創公司，參與推薦系統全鏈路搭建和優化；隨著美團零售業務的興起，加入美團NLP中心知識圖譜組，負責商品圖譜的數據建設以及在搜索、推薦的深入應用。

活動報名

識別二維碼，免費報名

報名成功后，請按照提示，入群收看。

---

OpenKG

OpenKG（中文開放知識圖譜）旨在推動以中文為核心的知識圖譜數據的開放、互聯及眾包，并促進知識圖譜算法、工具及平臺的開源開放。

點擊閱讀原文，進入 OpenKG 網站。

總結

以上是生活随笔為你收集整理的会议交流 | 如何将图谱实体与关系更好的向量化，并基于推理扩充知识边界？——DataFun Summit2022知识图谱在线峰会...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。