暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

图谱动态|学苑周刊 NO.141

图谱学苑 2023-05-09
151

本期将分享近期全球知识图谱相关

行业动态、会议课程、论文推荐

—--| 行业动态 |--—
知识图谱+智慧家庭

4月28日,AWE2023论坛“未来家2035 高峰论坛”上,海尔展示了整个智慧家电解决方案。

厨房方面,海尔提供了三翼鸟智慧厨房一站式美食解决方案。作为整个房屋中变量最大、最复杂和最难以把控的空间。海尔智家系统储存了大量专业知识图谱,为智慧家庭提供最大的衣食住娱知识库。智慧厨房从膳食推荐到食材管理再到辅助烹饪的全流程都有更深度的智慧体验,通过智慧大脑可以连设备进行精细化烹饪,万道烹饪技法和百万级操作训练实现全流程跟做、可视、可说;4万类食材与菜谱、42万饮食关系图谱参考,并且还有9大类画像挖掘算法,可以根据家人健康主动推荐饮食、制定膳食的计划。“以牛排举例,海尔智能化烹饪并不是简单的设置温度,而是从牛排的种类、部位、厚度和熟度等细化方面进行精细化智能分级处理,让做饭更便捷,吃饭更有营养。

https://vip1.cyou/5J
初创:大图+大模型

图智能公Fabarta宣布已经成功获得亿元人民币的 Pre-A 轮融资。本轮融资的资金将主要用于以下几个方面:一是加大对图智能技术的研发投入,优化基于云原生,存算分离的分布式图数据库和图计算引擎,提升系统性能,同业界领先的开源预训练模型提供商合作,通过分布式图计算引擎的核心能力,提升预训练模型的逻辑推理能力;二是进一步优化产品矩阵,进一步与行业结合,满足更多行业和场景的需求;三是扩大市场推广,提高品牌知名度,吸引更多优质客户和合作伙伴;四是引进和培养更多的顶尖人才,加强公司在图智能领域的技术创新和竞争力。

http://c.nxw.so/cXOK1

—--| 会议课程 |--—
ESWC 2023(第 20 届欧洲语义网会议)

ESWC是讨论围绕语义技术的最新科学成果和技术创新的主要场所。基于过去的成功,ESWC 正在寻求扩大其重点,以涵盖 Web 语义在其中发挥重要作用的其他相关研究领域。

ESWC 2023将于2023.5.28-6.1在希腊赫索尼索斯举行,旨在创建一个知识和服务的网络,其中内容的语义是明确的,并且内容链接到其他内容和服务,允许新颖的应用程序以无法预料的方式组合来自异构站点的内容并支持增强用户需求与内容的匹配。ESWC 2023将展示其领域的最新研究、技术和应用成果。除了在众多轨道上组织的技术计划外,会议还将包括研讨会和教程计划、系统描述和演示、海报展览和博士研讨会。

https://2023.eswc-conferences.org/

DMKG 2023(第一届知识图数据管理国际研讨会)
DMKG 2023 是一个为期半天的研讨会,将于 2023 年5月28日14:00-18:00与在希腊赫索尼索斯举行的ESWC 2023联合举办。此次会议的主要目标是将早期和成熟的研究人员以及行业合作伙伴聚集在一起,以促进不同领域的合作伙伴之间就大规模知识图的可扩展数据管理技术相关问题进行沟通和协作。DMKG会议引入了针对大规模知识图谱的可扩展数据管理解决方案的新颖研究。此类数据管理解决方案包括存储和索引技术、分散/集中系统分区、归档和版本控制、使用 SHACL/shEx 进行验证或联合数据管理。
https://dmkg-workshop.github.io/
第一届受限事物语义网国际研讨会 (SWoCoT)

近日,仿脑科技、飞龙芯类脑智能科技拟与暨南大学华文学院校企合作共建中文概念知识图谱。在过去的世界科技浪潮中,英文科技底层的数字化技术占据了主导地位。在人工智能时代,中文科技有机会逆袭,表现出强大的人工智能天然优势,以此为契机,打造以中文概念运算为基底的全球汉文化超级社群,具有战略意义。暨南大学刘新中博士指出,在机器处理语言中,语音、语法都比较容易抓住共性,唯独语义理解很难抓住其共性,因为很容易陷入异类旋涡中。使用中文人工智能“飞龙码”体系的概念分类算法,加上专业的概念知识图谱,为人机交互中文理解技术研究提供了新的范式。

https://mondecalabs.github.io/SWoCoT23/


—--| 论文推荐 |--—
LREBench

本周推荐的是一篇发表于EMNLP 2022的文章:Towards Realistic Low-resource Relation Extraction: A Benchmark with Empirical Baseline Study,构造了8个低资源场景的关系抽取数据集,并对多种低资源的抽取技术进行了系统性的实验研究。作者来自浙江大学和腾讯。

关系抽取致力于从文本中识别实体之间的关系,是信息抽取中的一个重要的子任务,近年来的深度学习模型取得了良好的效果,但是在低资源场景中表现不佳。有不少工作尝试增强模型在小样本和长尾实体中的抽取效果,提出了数据增强、重采样等不同方式。

这篇文章将现有方法总结为基于提示词、平衡方法和数据增强三大类,构造了一个包含8个经典数据集的基准测试进行系统性的实验比较,分析各种范式的优劣,致力于为低资源的信息抽取技术发展提供新的见解。

文章的数据集和代码均已开源,感兴趣的读者可以关注:https://github.com/zjunlp/LREBench



更多链接


gStore 2022年度报告
图数据库 gStore 1.0 版本正式发布
图解《狂飙》人物关系
知识图谱成为中国领先金融科技公司的第四大首选技术
用知识图谱打开梁山好汉一百单八将
图数据库入门系列 | AI4DB入门与思考-北京大学杨磊博士
图数据库入门系列 | 图流研究入门-北京大学苟向阳博士
北京大学王选计算所数据管理研究室招聘启事
公开课程 | 图数据管理与挖掘 最终讲-第九讲:面向知识图谱的自然语言问答
图说《人民的名义》
导师访谈 | 邹磊:对数据科学以及本科生科研的思考

内容:胡喆媛、崔舒媛、代雪佩、薛冰聪

排版:王图图




诚邀您加入我们的gStore社区,我们将在群内解决使用问题,分享最新成果~


请在微信公众号图谱学苑发送“社区”入群~或扫码入群



免责声明本文全部内容均来源于网络开放信息整理,如有侵权,请联系删除

欢迎关注北京大学王选计算机研究所数据管理实验室微信公众号“图谱学苑“
实验室官网:https://mod.wict.pku.edu.cn/
微信社区群:请回复“社区”获取

实验室开源产品图数据库gStore:
gStore官网:http://www.gstore.cn/
GitHub:https://github.com/pkumod/gStore
Gitee:https://gitee.com/PKUMOD/gStore





文章转载自图谱学苑,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论