评测通知 | 2022年全国知识图谱与语义计算大会评测任务发布
一、任務簡介
CCKS技術評測旨在為研究人員提供測試知識圖譜與語義計算技術、算法、及系統的平臺和資源，促進國內知識圖譜領域的技術發展，以及學術成果與產業需求的融合和對接。去年，CCKS 2021評測競賽環節共設立了5個主題共計14個任務，涵蓋了金融、醫療、軍事、生物、地理、保險、生活服務等各個領域，吸引了超過1萬多支參賽隊伍，在工業界和學術界形成較高影響力。
今年，經過評測任務征集和評測組委會篩選，CCKS2022共設立五個評測主題，共15個評測任務，任務列表如下。CCKS2022組委會為每個任務前三名頒發證書，其他獎勵參見不同任務的評測任務書。最后，組委會將從所有隊伍中特別評選10個“創新技術獎”，每支隊伍獎勵5000元，用于鼓勵創新性技術的使用。專委會還將協同Data Intelligence期刊編輯部組織“評測論文主題專刊”，優秀評測論文將推薦至該專刊免費發表，同時優秀評測論文也將推薦收錄進入主會論文集，并有機會推薦至相應期刊發表。以下為各項任務簡介，詳細的評測任務書請訪問大會官方網站評測版塊獲取。
主題一：信息抽取
任務一：千言通用信息抽取競賽評測
任務描述：信息抽取旨在將非結構化文本中的信息進行結構化，是自然語言處理的基礎技術和重要研究領域。傳統的信息抽取任務與評測通常針對特定的文本領域和單一的抽取任務，難以評估相關技術與方法在通用場景和任務下的抽取性能。
為此，中國科學院軟件研究所、百度公司與千言開源數據集項目聯合發起業界首個通用信息抽取評測——“CCKS-千言通用信息抽取競賽”。本賽事是千言多形態信息抽取的全新升級，不局限于傳統的單任務信息抽取的評測范式，而是將多種不同的信息抽取任務用統一的通用框架進行描述，著重考察相關技術方法在面對新的、未知的信息抽取任務與范式時的適應與遷移能力，從而滿足當下信息抽取領域快速迭代、快速遷移的實際需求，更貼近實際業務應用。
評測地址：https://aistudio.baidu.com/aistudio/competition/detail/161/0/introduction
評測獎勵：
一等獎30000元
二等獎20000元
三等獎10000元
創新獎5000元，共設立兩個
任務組織者：
韓先培 （中科院軟件所）
林鴻宇 （中科院軟件所）
陸垚杰 （中科院軟件所）
肖欣延 （百度）
戴岱 ??（百度）
任務聯系人：
姓名 陸垚杰yaojie2017@iscas.ac.cn
任務二：多語言命名實體識別
任務描述：命名實體識別（Named Entity Recognition，簡稱NER），又稱作“專名識別”，是指識別文本中具有特定意義的實體，主要包括人名、地名、機構名、專有名詞等。NER是信息提取、問答系統、句法分析、機器翻譯、面向Semantic Web的元數據標注等應用領域的重要基礎工具，在自然語言處理技術走向實用化的過程中占有重要的地位。然而在實際多語言環境的應用中，通常只有中文或者英文的標注訓練語料，如何將模型遷移到一些資源較少語言的命名實體識別。例如日本，阿語或者韓文。
針對這些難點，騰訊海外技術發行團隊聯合CCKS 2022大會舉辦此次地址評測任務-多語言命名實體識別。
評測獎勵：
第一名10000元
第二名5000元
第三名2500元
技術創新獎2500，同時排名前三隊伍將獲授精美參賽獎牌、證書。
任務組織者：
劉文強 ??（騰訊） masonqliu@tencent.com
蔣益巧 ??（騰訊） gennyjiang@tencent.com
吳蓓 ????（騰訊） bellab@tencent.com
黃東曉 ??（騰訊） donxhuang@tencent.com
郭豪 ????（騰訊） stevehguo@tencent.com
任務三：基于知識圖譜的優質文章識別
任務描述：在移動互聯網、大數據的時代背景下，各類自媒體文章呈爆發式增長，在搜索和推薦等信息分發場景下，甄別出優質文章并分發給用戶具有重要的研究意義和實際應用價值。除了文章本身的寫作質量以外，優質文章應該具備內容的深度和新穎性等，因此單純依賴文章本身內容無法完整識別優質文章。本任務將引入文章相關的外部知識圖譜，結合文章內在的知識邏輯，在對文章更深入的語義理解基礎上實現優質文章識別。
本任務要求參賽者利用文章的知識圖譜進行建模，實現優質文章分類。
評測獎勵：
第一名：人民幣10000元
第二名：人民幣3000元
第三名：人民幣2000元
技術創新獎：人民幣5000元
備注：技術創新獎和前三名可以兼得
任務組織者：
曹自強 （蘇州大學）
王德瑞 （百度內容策略部）
徐揚 ??（百度內容策略部）
謝文睿 （百度內容策略部）
任務聯系人：
QQ群：471919965
曹自強：zqcao@suda.edu.cn
王德瑞：wangderui@baidu.com
徐揚：xuyang24@baidu.com
謝文睿：xiewenrui01@baidu.com
主題二：知識圖譜構建與問答
任務四：帶條件的分層級多答案問答
任務描述：文本問答是語言文本分析的一項重要研究任務。隨著機器閱讀理解數據集的不斷提出和模型水平的長足進步，問答系統得到了學術界和產業界的廣泛關注。抽取式問答是一種重要的問答任務形式，其要求模型在相應的文本中抽取文本片段（span）作為答案。不同于目前常見的單答案（single-span）抽取任務，在實際應用中，一個問題的答案可能存在于文本的多個位置，被稱為多答案（multi-span）抽取式問答。通過對互聯網問答社區的樣本進行分析，我們發現多答案樣本往往伴隨著以下兩個特征：1）由于提問用戶缺乏相關的領域知識，提出的問題不夠明確，導致需要根據不同的條件分別回答；2）一個問題的多個答案可能分屬于不同的粒度，并且彼此之間存在著層級關系。這些都為多答案問答提出了嚴峻的挑戰。
為此，騰訊和中國科學院自動化研究所聯合舉辦“帶條件的分層級多答案問答”評測任務，希望通過本次評測任務以及發布的中文數據集，提升現有閱讀理解模型的水平，并進一步幫助問答系統在真實場景中得到更有價值的應用。
評測獎勵：
第一名：10000元
第二名：3000元
第三名：2000元
任務組織者：
楊韜 ?（騰訊）
鄭孫聰（騰訊）
王唯康（騰訊）
張元哲（中科院自動化所）
劉康 ?（中科院自動化所）
趙軍 ?（中科院自動化所）
任務聯系人：
王唯康（騰訊）：daxianwang@tencent.com
張元哲（中科院自動化所）：yzzhang@nlpr.ia.ac.cn
任務五：開放知識圖譜問答
任務描述：在互聯網軟硬件相關技術飛速發展的今天，人們每天接觸與制造的數據量日益上升，理解與應用這些數據所需的成本也隨之增加。因此，如何高效而準確地處理海量異質數據成為了一個亟待解決的問題。知識圖譜以結構化的“知識”來存儲與表示海量數據，作為承載底層海量知識并支持上層智能應用的重要載體，它在智能時代中扮演了極其重要的角色。
然而，由于知識圖譜高度結構化的特點，我們常常需要構建結構化查詢語句（SPARQL等）來查找相關知識，這為普通用戶使用知識圖譜造成了不便。因此，在知識圖譜上進行自然語言問答（KBQA）近年來成為了前者的熱門應用之一。在學界，semantic parsing、IR等創新性方法與框架百花齊放；在業界，智能音箱、語音助手、智能問診等應用也極大地拓寬了知識圖譜自然語言問答的應用場景，進一步加強了對高效、準確、易用、安全、可解釋的KBQA系統的需求。
面對這一需求，我們提出了開放領域中的中文知識圖譜問答這一評測任務，期待參賽者們可以提出創新性的KBQA系統，同時處理“專而深”的特定領域和“廣而淺”的開放領域知識圖譜，對用戶提出的復雜多樣的自然語言問題給出準確答案。同時，我們更希望此次評測可以為KBQA的下一步研究和落地提供一些理論及實踐層面的啟發。
評測獎勵：
第一名10000元
第二名5000元
第三名2500元
技術創新獎2500，同時排名前三隊伍將獲授精美參賽獎牌、證書
任務組織者：
鄒磊（北京大學王選計算機研究所）zoulei@pku.edu.cn
林殷年（北京大學王選計算機研究所）linyinnian@pku.edu.cn
張旻昊（北京大學王選計算機研究所）zhangminhao@pku.edu.cn
張若禹（北京大學王選計算機研究所）ry_zhang@pku.edu.cn
任務六：跨語言知識圖譜問答評測任務
任務描述：隨著近年來越來越多的非英語使用者參與到知識圖譜的建立和維護，在線知識的分布已經由富資源語言(英語)一家獨大轉變為多語言資源相互補充。然而，當前多語言知識圖譜問答模型主要關注于自然語言問題解析，而忽略了對跨語言知識的聯合應用。以百科知識問答為例，對于新出現的知識，如“COVID-19 (2019新冠病毒病)”，在Wikipedia中文詞條中，關于“并發癥”屬性的記錄包含“全身器官衰竭”，而這項記錄未被收錄于英文詞條關于“Complication(并發癥)”的條目中。另一方面，在英文詞條中包含了“Duration(癥狀持續時間) ”的屬性，而中文詞條卻缺乏對這項屬性的收集。因此，諸如：“能夠引起全身器官衰竭這一并發癥的冠狀病毒，它使人體產生的癥狀一般會持續多長時間？”，“癥狀一般持續五天以上，且可能轉為慢性的冠狀病毒，是否可能引發全身器官衰竭這類嚴重并發癥？”，對于這類需要聯合跨語言知識的問題，目前的問答系統難以回答。此次評測任務的目標是利用跨語言知識圖譜回答不同語言提出的問題，我們期望參賽選手的問答系統既能夠解決自然語言問題與知識圖譜間的詞法鴻溝問題, 又能在跨語言知識圖譜中準確找到問題相關的知識組合。
評測獎勵：
第一名：冠軍證書
第二名：亞軍證書
第三名：季軍證書
本次任務將會選出一支隊伍參與CCKS評測任務創新獎評選（創新獎金5000元）
任務組織者：
漆桂林 （東南大學） gqi@seu.edu.cn
譚亦鳴 （東南大學） tt_yymm@seu.edu.cn
胡楠 ??（東南大學） nanhu@seu.edu.cn
李嘉琦 （東南大學） 494296118@qq.com
任務聯系人：
譚亦鳴：tt_yymm@seu.edu.cn
任務七：教科書示意圖問答
任務描述：示意圖是一種高度抽象的知識表達載體，常由矩形、圓形等幾何形狀和箭頭、折線等邏輯符號組成，廣泛被應用于教科書、百科、知識博客等教育場景。在上述場景中，學習者常通過視覺問答的形式來判斷對知識點的掌握情況，即：給定學習者一張示意圖，根據視覺信息來回答與該知識點相關的自然語言問題，我們將其定義為教科書示意圖問答任務。該任務可能涉及視覺對象的檢測與對齊、知識術語的理解以及知識表示的動態變化等復雜推理過程，良好的完成該任務是未來跨媒體智能、智慧教育等應用的重要基礎，也有助于提升計算機對人類認知行為和學習習慣的理解。該任務主要有兩個挑戰：一是示意圖資源稀缺，標注代價高昂，具有天然的小樣本場景，在不具備大型語料庫的場景下完成該任務是一個難題；二是示意圖表達抽象、特征稀疏，簡單的幾何形狀蘊含有豐富、專業的語義信息，如何較好地提取并理解其視覺特征是一個難題。本次測評任務的示意圖來源于計算機科學領域，希望選手能針對上述兩個難點，深入理解示意圖中的關鍵信息，構建模型實現準確的示意圖問答表現。
評測獎勵：
一等獎（1名）：人民幣5000元
二等獎（2名）：人民幣2500元
三等獎（2名）：人民幣1000元
技術創新獎（1名）：人民幣3000元
任務組織者：
張玲玲 （西安交通大學）
劉均 ??（西安交通大學）
武亞強 （聯想）
魏筆凡 （西安交通大學）
王紹偉 （西安交通大學）
任務聯系人：
王紹偉：wang97@stu.xjtu.edu.cn
任務八：化學元素知識圖譜構建及應用
任務描述：隨著AI技術的發展和普及，藥物研發也逐漸進入到AI時代，擅長處理大數據的AI深度學習技術，就成為近年來大家關注的焦點。化合物的性質預測的主要目的在于及時發現理化性質不達標的化合物，以降低候選化合物進入臨床實驗失敗的風險，提升藥物研發的成功率。傳統的化合物性質預測分析一般采取實驗方式，成本高昂且耗時長。很多的研究工作都證明了機器學習技術，特別是深度學習在化合物性質預測方面的巨大潛力，這些工作使用序列（SMILES表達式）或是圖（原子為節點，化學鍵為邊）來表示化合物，用序列建模或者圖神經網絡（GNN）去預測化合物的屬性，以輔助進行藥物研發，提升效率，降低成本。但是，這些方法往往只考慮了化合物分子的結構信息，而忽略了其中蘊含的化學領域知識。因此我們以化學元素周期表為核心構建了化學元素知識圖譜，并于此針對知識圖譜構建的關鍵技術及其核心應用提出評測任務。
本任務圍繞化學元素知識圖譜的構建及化合物屬性預測所展開。評測從化合物SMILES表示和初始的簡單知識圖譜開始，根據需要構建和擴充化學元素知識圖譜，并基于該知識圖譜進行化合物屬性預測。評測本身不限制各參賽隊伍使用的模型、算法和技術，但設計模型過程中必須使用該化學元素知識圖譜。可以利用各種外部知識庫擴充該化學元素知識圖譜（例如引入官能團知識、wikipedia中的文本、圖像信息等），可以利用各種序列/圖算法模型、預訓練手段等處理化合物分子，并進行化合物屬性預測，共同促進知識圖譜技術的發展。
評測獎勵：
第一名：人民幣5000元
第二名：人民幣3000元
第三名：人民幣2000元
創新獎：人民幣5000元
備注：同時排名前三的隊伍將獲授精美參賽獎牌、證書。
任務組織者：
張建 （浙江大學） kg_tek@163.com （聯系人）
方尹 （浙江大學） fangyin@zju.edu.cn （聯系人）
張強 （浙江大學） qiang.zhang.cs@zju.edu.cn
主題三：商務金融知識圖譜
任務九：面向金融領域的Zero-Shot事件抽取
任務描述：事件抽取是語言文本分析和金融領域智能應用的重要任務之一。事件抽取需要判斷事件的類型和事件的不同要素，實際抽取任務中為了充分覆蓋每個事件類型和事件要素需要標注大量的樣本，然而事件類型和要素標注本身也是一個比較費時費力的工作。但是考慮到不同的事件類型可能具有相近的語義，或者相同的要素類型，比如“公交停運事件”和“地鐵停運事件”本身語義相似，且共有事件要素“列車編號”、“停運路線”、“停運開始時間”、“停運結束時間”。所以我們希望在只提供部分事件標注樣本的情況下，抽取所有的事件。本次評測任務的文本語料來自于互聯上的公開新聞、報告，旨在通過部分標注事件對未標注或者欠標注的事件進行預測。
評測獎勵：
第一名：人民幣12000元
第二名：人民幣8000元
第三名：人民幣5000元
創新獎：人民幣5000元
備注：優勝者有機會進入2023螞蟻集團校園招聘終面或者實習生綠色通道。
任務組織者：
王太峰 （螞蟻集團）
張可尊 （螞蟻集團）
陳玉博 （中科院自動化所）
楊航 ??（中科院自動化所）
劉康 ??（中科院自動化所）
趙軍 ??（中科院自動化所）
任務聯系人：
張可尊：kezun.zkz@antgroup.com
陳玉博：yubo.chen@nlpr.ia.ac.cn
任務十：面向數字商務的知識圖譜評測
任務描述：阿里巴巴商品數據規模龐大，商品知識圖譜為海量異構的商品數據的組織、管理和利用提供了有效的方式。商品數據模態豐富，動態性高，數據存在噪聲，這些都對商品的認知和理解帶來了巨大挑戰。2022年1月 ，阿里巴巴聯合浙江大學等單位發布首個數字商業開放知識圖譜AliOpenKG: http://kg.alibaba.com。以該開放圖譜數據集為基礎，在CCKS2022大會組織本次評測任務。首批評測包括三個子任務：商品常識知識顯著性推理、基于知識圖譜的商品同款挖掘、多模態商品知識圖譜鏈接預測，三個評測任務具體內容在下面章節介紹。本次評測將依托阿里巴巴天池平臺（https://tianchi.aliyun.com/）展開，并將持續維護和新增更多的評測任務，請有意向的參賽隊伍請關注平臺上的競賽列表。
評測地址：
子任務1：
https://tianchi.aliyun.com/competition/entrance/531955/information
子任務2：
https://tianchi.aliyun.com/competition/entrance/531956/information
子任務3：
https://tianchi.aliyun.com/competition/entrance/531957/information
評測獎勵：
本次評測總獎金池是93000元，每個子任務的獎金是31000元，獎金設置如下：
第一名：人民幣10000元，1名
第二名：人民幣6000元，2名
第三名：人民幣3000元，3名
備注：比賽優勝者同時有機會進入阿里巴巴校園招聘的優招通道。
任務組織者：
陳輝???（阿里巴巴）
黎洲波?（浙江大學）
姚云志?（浙江大學）
王成名?（阿里巴巴）
包友軍?（阿里巴巴）
王狄烽?（阿里巴巴）
屈垠岑?（阿里巴巴）
陳漠沙?（阿里巴巴）
許澤眾?（浙江大學）
耿玉霞?（浙江大學）
張文???（浙江大學）
任務聯系人：
釘釘群：34165350
王成名：aliopenkg@service.alibaba.com
屈垠岑：aliopenkg@service.alibaba.com
陳輝： ?aliopenkg@service.alibaba.com
黎洲波：zhoubo.li@zju.edu.cn?
任務十一：面向金融領域的因果事件要素抽取及事件相似度計算
任務描述：金融領域知識圖譜和事件圖譜可以支持智能投顧、風險管控等眾多業務場景，而事件抽取及事件對齊是知識圖譜、事件圖譜構建的重要環節。
本任務旨在從海量財經新聞中抽取因果事件并補齊相關事件要素，并將相同的事件聚合到一起。具體分為兩個子任務：（1）子任務一為因果事件要素的抽取，該子任務目標是繼因果關系抽取后，從因果事件所在篇章抽取原因事件要素和結果事件要素；（2）子任務二為事件相似度計算，旨在根據事件描述和事件要素評估事件相似度，并將相同事件進行合并。
評測獎勵：
本次任務總獎金5萬元，每個子任務2.5萬元，具體分配如下：
第一名（1支隊伍）：人民幣15000元
第二名（1支隊伍）：人民幣5000元
第三名（2支隊伍）：人民幣2500元
任務組織者:
邊雯皓（NEC中國研究院）
馮璐??（NEC中國研究院）
丁效??（哈爾濱工業大學）
高靖龍（哈爾濱工業大學）
任務聯系人:
邊雯皓：bian_wenhao@nec.cn
高靖龍：jlgao@ir.hit.edu.cn
任務十二：金融NL2SQL評測任務
任務描述:隨著金融機構數智化轉型，企業內部數據正急劇增長。一方面，這些數據作為金融機構核心資產，能大大提高企業的運作效率；另一方面，數據也正在成為幸福的煩惱，在金融領域，投研人員、投資經理、運營人員和投資者都苦于如何快速精準地查找需要的數據。傳統匹配方法在覆蓋度、準確性、可遷移性等方面難以滿足需求。
自然語言轉SQL（NL2SQL）方法設想自動將自然語言問句轉化為SQL查詢，從而實現精準數據問答。現有NL2SQL數據和方法主要關注“封閉場景指定庫/表”設定，這很難滿足業務范圍動態發展的需求。從領域特性來看，金融數據多為時間序列，包括日頻行情、季頻財報、年度GDP、不定期股票質押解質押等，這種復雜性無疑會增大問題轉SQL難度。考慮到垂直領域知識可能有助于構建可遷移系統，我們將開放金融股票、基金、宏觀等場景結構化表格及相關知識，希望和社區共同努力推動垂直領域下NL2SQL技術發展。
評測獎勵：
恒生提供30000元獎金，獎勵評測結果優異的團隊，具體設置如下：
第一名：15000元
第二名：10000元
第三名：5000元
創新獎：5000元 （沒有名次限制，由學會提供）
任務組織者:
林金曙：linjs13607@hundsun.com
婁東方：loudf24454@hundsun.com
張少杰：zhangsj41876@hundsun.com
主題四：軍事知識圖譜
任務十三：開源多模態軍事裝備數據的事件要素抽取
任務描述：在“信息爆炸”的時代，不同來源的裝備數據呈顯著增長趨勢，尤其是互聯網公開來源的文本、圖像等多模態內容的蓬勃增長，使得裝備數據已逐漸成為裝備需求論證中重要的資源和依據。然而，相關論證人員在面對這些海量的裝備數據時，卻無法高效地從中獲取關鍵知識，從而也無法依據數據指導裝備論證工作。通過調研分析發現，導致裝備數據中價值信息沒有充分利用的首要問題是，這些數據缺乏有效的組織結構與直觀形象的使用方式，沒有形成相應的裝備知識體系，難以進行深層次的數據分析與面向典型論證場景的應用。
為此，我們組織本次評測任務，探索如何從互聯網公開的多模態軍事裝備數據中抽取相關事件類型及事件要素，為裝備需求論證提供更具條理性的信息，讓用戶盡可能地發現適用于裝備需求論證的知識及其運用模式。
評測獎勵：
第一名：8000元
第二名：4000元
第三名：3000元
技術創新獎：5000元
備注：最多有一個隊伍獲得技術創新獎，技術創新獎和前三名可以兼得
任務組織者：
韓君妹（復雜系統仿真總體重點實驗室）
姜 ?巍（中國電子科技集團公司信息科學研究院）
任務聯系人：
李乃鵬：lnp0906@163.com
王 ?歌：wzggtang@163.com
任務十四：外軍無人系統知識圖譜構建評測任務
任務描述: 無人系統已成為現代軍事力量的重要組成，在各類軍事行動中發揮著日趨重要的作用。軍事垂直領域知識圖譜的構建，受到數據、領域知識、構建技術三方面因素影響。當前，外軍無人系統公開數據普遍缺乏權威性和精準性，導致構建的圖譜“難以保障嚴肅分析任務、難以服務實際業務系統、難以嵌入各類應用框架”。本次評測任務，組織方著重提供權威、精準數據以及部分領域知識，數據覆蓋陸、海、空、天、潛等各類型無人系統，包含背景、技術、性能、基礎、作戰等信息，支持參賽隊專注于圖譜構建實踐工作，進而促進技術交流進步、遴選合作團隊，推動軍事垂直領域知識圖譜落地見效。
評測獎勵:
任務共提供3.5萬元獎金給獲獎團隊，獎勵4支隊伍
第一名：12,000元
第二名：10,000元
第三名： 8,000元
創新獎： 5,000元
任務組織者：
張 靜?（軍事科學院系統工程研究院）
任務聯系人：
欒瑞鵬：lrp_ph@163.com
主題五：知識存儲
任務十五：基于圖數據庫的自定義圖分析算法評測
任務描述：知識圖譜本質是基于圖的語義網絡，而圖數據庫又是以圖模式存儲管理數據，因此圖數據庫用于存儲知識圖譜數據具有得天獨厚的優勢。
通過在知識圖譜上進行查詢、分析、推理是實現知識圖譜應用的關鍵核心技術，而反映到圖數據庫上則是基于圖數據庫上的圖查詢與圖分析。BFS和DFS是圖數據庫最核心的算法之一，基于此之上，眾多學者針對不同需求設計了衍一系列的圖查詢與圖分析算法，如PageRank、三角形計數、環路檢測等，且設計了不同變種算法。但遺憾的是，傳統的圖數據庫查詢語言并不完全內置了這些算法，如SPARQL，Gremlin等。
因此，通過本次測評將這些圖查詢和圖分析經典算法進行實現并在圖數據庫中進行驗證，對于檢驗算法有效性和實用性具有重要意義。
評測獎勵：
第一名: ?10000
第二名: ?5000
第三名: ?2500
技術創新獎2500，同時排名前三隊伍將獲授精美參賽獎牌、證書。
任務組織者：
鄒 磊 ???（北京大學王選計算機研究所）?????zoulei@pku.edu.cn
李文杰 ??（北京大學重慶大數據研究院）?????liwenjiehn@pku.edu.cn
王 劍 ???（北京大學重慶大數據研究院）?????jian.wang@cqbdri.pku.edu.cn
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评测通知 | 2022年全国知识图谱与语义计算大会评测任务发布的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 论文浅尝 | 使用循环神经网络的联合事件
- 下一篇： 论文小综 | Pre-training