近年來，隨著大家對高級認知能力的積極探索，知識圖譜因為表達能力強，擴展性好，并能兼顧人類認知與機器自動處理，引起了學術界、工業界以及政府部門的高度關注。

最先被大家熟知的應用領域應屬搜索引擎，為了讓用戶搜索到更好、更滿意的結果，知識圖譜在背后起到了關鍵作用。除了搜索引擎應用的全領域知識圖譜，隨著場景越來越豐富，需求不斷增多，各行各業都紛紛開始運用知識圖譜技術來提高產品品質和用戶體驗。比如，金融風控領域的企業就通過知識圖譜進行反欺詐和信用風險評估。如今，知識圖譜已經在很多應用領域發揮著非常重要的作用。

數據與知識是人工智能的兩大引擎。大數據與機器學習等技術的快速發展使大規模人類知識體系的自動構建成為現實。我們看到，知識圖譜正在被熱烈地擁抱，無論是高校還是企業，對知識圖譜的重視程度越來越高，應用與落地越來越多，成為學術界與產業界結合最為緊密的技術領域之一。

但是，當前無論是在學術界還是工業界，知識圖譜領域都還有很多亟待研究、改進與解決的問題。如何更好地理解、運用基礎理論和關鍵技術？如何在各行業領域的場景與應用中切實落地，讓知識圖譜發揮更好的效能？未來我們要在哪些技術研究上深耕，拓展哪些更豐富的場景？是大家都在探索的問題。

BDTC 2018 （2018 大數據技術大會）將于 12 月 6-8 日再度來襲。我們在 8 日上午重磅推出了知識圖譜論壇。邀請來自學術界和工業界的 7 位著名專家學者，分享他們在基礎理論、技術方法和產業應用等方面的研究成果與技術經驗，同時也對知識圖譜未來幾年的發展趨勢做出展望。

無論你是要學習研究，還是應用實踐，大家都可以帶著自己的問題而來，從這些專家學者們、各位行業大佬們的交流分享中，學習到解決問題的技術方法，了解到前沿的研究方向，并探討在工業實踐中行之有效的方法。

相信這一次，知識圖譜將再度引領 2018 大數據與 AI 的技術浪潮，燃爆這個冬日。

知識圖譜論壇主席

靳小龍（中國科學院計算技術研究所研究員，CCF大數據專家委員會副秘書長）

大數據分析系統國家工程實驗室主任助理，中科院網絡數據科學與技術重點實驗室知識計算方向負責人；中國科學院大學崗位教授；中國計算機學會大數據專家委員會副秘書長。2005 年于香港浸會大學獲得博士學位。主要研究興趣包括知識圖譜、知識計算、社會計算、大數據分析等。迄今為止共出版專著4部，發表國內外學術期刊與會議論文 160 余篇，獲得國際會議 IEEE ICBK 2017 的最佳學生論文獎，IEEE CIT-2015, IEEE AINA 2007 與 IEEE ICAMT2003 的最佳論文獎，國內會議 CCF Big Data 2015 的最佳學術論文獎；申請/獲得專利 10 余項。目前擔任Web Intelligence：An International Journal (WI) 與《大數據》等國內外期刊的編委。負責或作為骨干參與項目/ 課題近 20 項，包括國家重點研發計劃課題、973 課題、863 課題、國家自然科學基金項目（重點、面上、青年）、歐盟 FP7 與 FP6 項目、英國 EPSRC 項目等。2016 年獲得中國電子學會科技進步一等獎，2017 年獲得國家科技進步二等獎。

阮彤（華東理工大學計算機技術研究所所長，教授）

現任華東理工大學計算機技術研究所所長，自然語言處理與大數據挖掘實驗室主任。近幾年從事自然語言處理與大數據挖掘軟件科研工作，與曙光醫院、上海申康、兒科醫院等生物醫藥方面展開產學研合作，在大規模文本抽取、行業知識圖譜與數據質量評估方面獲得多項創新成果。主持與參與國家、省部級科研項目多項，近三年以第一作者或通訊作者，在 ISWC,WWW 等會議與期刊上發表知識圖譜與生物醫藥挖掘論文數十篇。

知識圖譜論壇演講嘉賓

陳華鈞（浙江大學計算機科學與技術學院教授，博士生導師）

浙江大學計算機科學與技術學院教授、博導。主要研究方向為知識圖譜、自然語言處理、大數據與知識發現、生物醫學信息等。浙江省大數據智能計算重點實驗室副主任、中國中文信息學會語言與知識計算專業委員會副主任、中國人工智能學會知識工程與分布智能專業委會副主任、中文開放知識圖譜 OpenKG 發起人。在 IJCAI, WWW, KR, ISWC, EMNLP, AAAI/IAAI, WSDM, ICDE, IEEE Magazine on Computational Intelligence, IEEE Intelligent System, TKDE, Briefings in Bioinforamtics, BMC Bioinformatics 等國際頂級會議或期刊上發表多篇論文，并曾獲國際語義網會議 ISWC 最佳論文獎。作為主要參與者，獲得教育部技術發明一等獎、國家科技進步二等獎等獎勵。

議題：《管窺知識圖譜內涵與發展前沿》

知識圖譜的早期理念來自于 Web 之父 Tim Berners Lee 于 1998 年提出的 Semantic Web，最初理想是把基于文本鏈接的萬維網轉化成基于實體鏈接的語義網。本質而言，知識圖譜旨在從數據中識別、發現和推斷事物、概念之間的復雜關系，是事物關系的可計算模型（Computational Model of World Relations）。知識圖譜的構建涉及知識建模、關系抽取、圖存儲、關系推理、實體融合等多方面的技術，而知識圖譜的應用則涉及到語義搜索、智能問答、語言理解、決策分析等多個領域。本文報告嘗試從信息系統工程的觀點總結知識圖譜的技術內涵和外延，并結合典型的領域應用從基于知識的可解釋人工智能、時空知識圖譜的表示與處理、領域知識的深度融合和利用等多個方面介紹相關發展趨勢和新進展。

葛燦輝（阿里巴巴產品專家）

本人極客一枚，做了七年搜索產品經理，于四年前偶遇知識圖譜，從此迷上一發不可收拾，從里到外，從前到后深入研究，后承蒙眷顧，獲得了一個寶貴的機會，從零到一構建一個千萬級的知識圖譜，中間遇坑無數，咬牙堅持推進，終于構建出來，并且在搜索產品中獲得規模化的應用，取得了較好的效果。不過，無論是圖譜的構建，還是使用，目前還處于初級階段，未來知識圖譜這個領域空間廣闊，大有可為，我也會繼續專注下去。

議題：《從知識圖譜到人工智能：產品演進路徑上的思考》

人工智能領域一直以來有句老話，叫做有多少人工，就有多少智能。這件事在知識圖譜構建上體現的尤為明顯。人工智能的技術瓶頸不是要代替智人作為動物的那一部分感知智能，而在于代替我們最近幾千年發展起來的那些認知能力，也就是我們有了符號思維能力之后的智能。從知識圖譜到人工智能，要想一蹴而就，不太現實，也不可能實現。在這種情況下，我們更應該關注其中的實現路徑，而非最終目標。 本次演講，就跟大家來分享一下，結合我在知識圖譜、移動搜索以及人工智能交互等領域的經驗所領域到的對于AI產品演進路徑上的思考。

丁力（海知智能聯合創始人、CTO）

海知智能聯合創始人與 CTO，OpenKG 發起人之一，全球首款語義搜索引擎 Swoogle 作者，美國開放政府數據 Data.gov 語義技術專家，國際語義網大會挑戰賽（Semantic Web Challenge)全球第二名。北京大學計算機系本科及碩士。UMBC 博士，斯坦福博士后，RPI 研究員，前高通研究院科學家。曾主持并參與多項美國 NSF，DARPA，NIH 的重大項目的語義計算部分。主要研究方向為語義搜索，知識圖譜政府數據公開，機器學習與中文自然語言處理等。發表上百篇論文，引用量過萬，Google H-index >30。

議題：《基于 cnSchema 的大規模金融知識圖譜實戰》

知識圖譜承載領域知識體系，支持跨領域大規模的數據互聯，與人工智能算法結合實現業務智能化。中文開放知識圖譜（簡稱 OpenKG.CN）由國內知名知識圖譜專家共同發起，旨在促進中文知識圖譜技術的普及和應用。cnSchema作為OpenKG的推薦語言，為知識圖譜建模與應用提供了基礎詞匯體系。本次報告將從 cnSchema 出發，介紹知識圖譜的生命周期，包括建模、生產、融合、質量校驗與應用落地；同時也結合金融業務場景，探討知識圖譜與大數據計算結合的實戰經驗。

倪淵（平安醫療科技文本處理部負責人）

平安醫療科技醫療文本處理部負責人。 2003 年畢業于復旦大學計算機科學與技術專業，2007 年畢業于新加坡國立大學計算機系。之后加入 IBM 中國研究院，從事自然語言處理，知識圖譜等相關領域的研究。在 IBM 期間，倪淵參與過著名人工智能項目沃森機器人的開發。2018 年，倪淵加入平安醫療科技研究院，帶領醫療文本處理團隊。 倪淵博士在著名國際會議，比如 SIGMOD, WWW, ISWC 等上，發表過 20多 篇論文，并且獲得 20 多項國際專利。

議題：《醫療知識圖譜的構建和應用》

知識圖譜是人工智能的基石。知識圖譜可以給計算機賦予額外的知識，輔助計算機作出更智能的決策。尤其在醫療這類知識密集型領域，輔助診療，醫生教育等很多領域需要知識圖譜的支撐。在本次演講中，倪淵博士將介紹平安醫療科技是如何利用平安領先的五大醫療知識庫來構建醫療知識圖譜的以及如何將醫療知識圖譜用來支持人工智能在醫療領域的應用。

肖仰華（復旦大學教授，博士生導師）

復旦大學教授、博士生導師、復旦大學知識工場實驗室負責人、上海市互聯網大數據工程技術中心副主任、多家規模企業高級顧問與首席科學家。

議題：《從大數據到知識圖譜》

大數據時代的到來為知識圖譜技術的誕生與發展提出了訴求，同時也提供了豐富土壤。各行業積累的大數據借助知識圖譜的賦能完成數據價值變現的模式已經基本形成。時代發展賦予知識圖譜助力行業智能化升級與轉型的歷史使命。本報告將結合復旦大學知識工場實驗室的研究與實踐，系統闡述知識圖譜技術產生的歷史背景與必然性；從當前一系列落地應用以及大數據與人工智能產業發展角度論證知識圖譜技術所承擔的歷史使命；探討知識圖譜助力行業智能化升級與轉型的基本模式。