從多源異構數據挑戰 知識圖譜自動化構建和知識圖譜應用三個方面
做主題報告 並結合知識圖譜對抗攻防應用情況作了介紹 在多源異構數據難以融合
數據融合走向知識融合 知識譜融合有賴於圖譜技術等多重數據挑戰下 我們結合通過半自動化結合人工方式提升知識圖譜的自動化構建水平 助力安全分析實現認知智能 滿足語義理解
動態關聯 智能檢索和機器推理的業務需求
知識圖譜構建是人工智能的研究熱點之一 利用知識圖譜可以更好的進行理解和推理 開放域
多元知識圖譜的目標 是從不同來源文本中獲取實體和時間相關信息 並進行泛化組織 本次報告
主要介紹基於實體的知識圖譜和構建和融合方法 以及知識圖譜在下游任務上的應用
知識圖譜在人工智能應用中重要價值日益凸顯 基於海量互聯網資源 百度構建了超大規模的通用知識圖譜 並在智能搜索 智能推薦 智能交互 等多項產品中實現了廣泛的應用 隨着文本 語音 視覺 等智能技術的不斷深入 行業智能化訴訟的請求的提升 知識圖譜在復雜知識表示 多模態語語義理解 行業
知識圖譜已經成為智能化信息系統的支撐要素之一 要自動構建大規模化的知識圖譜 其中關鍵的一步 是抽取知識三元組 傳統的知識抽取方法 采用兩步走戰略 先進行實體識別再進行關系抽取 存在錯誤傳送錯誤的問題 為此 考慮聯合抽取的策略 將實體識別和關系抽取放在一個框架中 並結合基於知識平移的約束 提高知識獲取效率的同時提升了精度 報告以大規模知識圖譜構建為主題 匯報團隊的一些進展
計算機視覺是人工智能的福地 也是試金石 同時也是邊緣計算的最先應用場景 從自動駕駛汽車 到家庭安防 本報告介紹邊緣計算視覺賦能的應用場景
隨着人工智能 5G和物聯網等尖端技術滲透進我們的生活 我們有理由相信在不久的將來 我們生活在一個萬物互聯的智能時代 智能器件將不再只是與人或者一堆固定的數據交流 他們之間會互相交流 協作 甚至是競爭 從而完成我們當前無法想象的高級智能任務 在學術方面強化學習和博弈論分別代表了決策智能和多智能體系統的技術前沿領域
這兩個領域的交叉極可能迸發出萬物互聯的智能時代的新一代技術 本次報告 我將從多智能體深度學習的基礎知識講解 包括傳統強化學習 深度強化學習以及博弈論基礎 接着我將從幾個落地任務切入 討論多智能體強化學習的幾個經典解決方法 簡述他們的基礎貢獻
綠盟科技集團首席執行技術官葉曉虎 北京航空航天大學網絡空間安全信息對抗系主任毛劍 浙江大學計算機科學與技術學院教授 博導 陳華軍 中科院自動化所研究員 博士生導師趙軍分別從角度 就如何構建知識圖譜帶來的挑戰 如何在保證效率和質量的前提下更新知識圖譜 知識圖譜的應用場景等問題做了精彩解析
知識圖譜表示的向量化使得我們可以更易於泛化的可微分推理 然而 基於表示學習實現知識圖譜推理和鏈接預測丟失了傳統符號計算方法的可解釋性 即 模型無法對基於向量計算或神經網絡訓練得到出的推理結論進行解釋 導致只知結果但不知為什么 在很多真實的應用場景下 黑盒模型的可解釋性缺乏導致很多應用不得不放棄采用表示學習方法 本報告嘗試探討知識圖譜與表示學習的可解釋性之間的關系 具體針對基於表示學習實現知識圖譜推理的可解釋性問題 提出一些研究思路和解決方法 並結合真實的應用場景介紹相關的一些實踐知識圖譜的未來發展 融合的知識表征學習
小米具有極其豐富 不斷發展的產品和業務形態 一方面給知識圖譜提供了廣闊的應用場景 另一方面也給知識圖譜的構建和應用提出了挑戰 小米AI實驗室知識圖譜團隊做了大量的技術研制和落地應用工作 本報告主要分享我們在圖譜構建與應用過程中的一些經驗體會 問句的理解是當前的難點 問句糾錯 問句改寫 意圖識別 自然語言 從翻譯的角度看問句理解
實體鏈接 輸入文本 謂詞判斷 關鍵技術 長尾問題 圖譜如何服務於其他產品 典型場景 相關資料推薦 用戶畫像 補充結構化知識 用戶行為狀態 聯合發起機構 搜素與下載 期望開展廣泛的合作 一起推動技術的進步
知識圖譜作為對數據進行結構化組織與體系化管理的一項技術 近年來給信息與通信行業帶來深刻變革 隨着SG與AR技術的興起 知識圖譜的發展出現了新的特點 本報告將從信息與通信行業出發 介紹企業級知識圖譜的構建 推理與應用技術
華為知識圖譜的總體特點 華為知識圖譜特色 為核心打造全場景體驗 場景舉例一 動態查詢可視化 領域三大訴求 百度大規模知識圖譜構建及智能應用 網絡部署 一站一設計 長期以來 站點設計是一個涉及 華為開發者大會 全場景體驗 企業級領域知識圖譜構建 推理 及應用 數據規范化 碎片化知識 動態知識與小樣本 領域知識圖譜構建雲平台