报告题目:开放知识图谱规范化
报告摘要:开放信息抽取技术从文本中抽取形式为<名词短语,关系短语,名词短语>的事实三元组,以构成开放知识图谱,其具有规模大、覆盖面广、更新快的优势。但开放知识图谱中的名词短语和关系短语没有进行规范化、缺乏唯一标识,导致其中存储了大量冗余和分散的事实,从而阻碍其在下游应用中的使用。开放知识图谱规范化任务是将其中具有相同语义的名词短语和关系短语聚到同一个簇中,并为其分配唯一的标识。本次报告将介绍近期我们在开放知识图谱规范化任务上的工作。
讲者简介:沈玮,南开大学副教授、博导。研究方向是数据挖掘、知识图谱。以第一作者或通讯作者在数据挖掘、数据库、人工智能领域的国际顶级会议期刊(ACM SIGMOD、ACM SIGKDD、WWW、IEEE ICDE、IJCAI、IEEE TKDE)上发表论文10余篇。曾获中国科协青年人才托举工程、ACM中国新星奖提名奖、CCF-Intel青年学者提升计划、中国人工智能学会优秀博士论文奖、Google全球博士奖研金。
报告题目:事件知识图谱构建
报告摘要:近年来,以事件为中心的知识图谱收到许多关注,可以应用在以常识推理为核心的各种任务上,如阅读理解、事件预测、故事补全等。相比于传统的实体型知识图谱,事件的表达能力更强。既可以描述正在或已经发生的事实或过程,也可以描述某一时刻的瞬间状态。然而,从文本中抽取事件及关系也面临着新的挑战。首先,事件的知识体系更为复杂,包含触发词、事件元素、元素角色等。其次,不同的事件及它们的元素通常散落在整个文档中,这就要求对长文本的理解和跨句子的推理。而即使最先进的大规模预训练模型对文档的建模仍然难以令人满意。针对这些难点,这里我们分享一些在文档级别上的事件及关系抽取的新技术,以及对事件知识体系的构建过程。
讲者简介:曹艺馨,新加坡管理大学助理教授。研究领域为知识图谱和自然语言处理。2018年于清华大学取得博士学位,毕业后在新加坡国立大学从事博士后研究,之后在南洋理工大学担任研究型助理教授。在CCF A、B的国际权威会议和期刊发表论文30余篇,谷歌引用超过2600余次。多次担任国际顶级会议委员会委员,主持和参与多项新加坡政府项目。
报告题目:教育知识图谱的构建与应用研究
报告摘要:教育知识图谱是针对教育领域构建的知识图谱,旨在表示教学过程中涉及的不同元素及这些元素之间存在的具有教育意义的各类认知关系。教育知识图谱是智能教育系统的核心,在知识图谱的基础上可以实现异构学习资源的汇聚、海量学习资源的组织、知识关联、群体协同学习、个性化学习、自适应学习等关键应用。本报告将探讨如何结合教育教学的实践需求构建面向教育的知识图谱,以及基于教育知识图谱的典型智慧教育应用。
讲者简介:陈鹏鹤,北京师范大学教育学部讲师,北师大未来教育高精尖创新中心人工智能实验室副主任。博士毕业于新加坡国立大学,主要进行教育知识图谱、人工智能教育应用、智能育人助理等方面研究。在人工智能及教育技术研究领域已发表多篇高水平英文论文,主持国家自然科学基金在内的项目多项。