CCF@U1079:CCF数据库专委走进 湖南第一师范学院
由中国计算机学会(CCF)主办,CCF数据库专委、湖南第一师范学院、“三维场景可视化与智能教育”湖南省重点实验室承办,湖南省计算机学会、Gauss松鼠会协办的CCF走进高校活动暨湖南第一师范学院认知智能前沿趋势全国学术论坛,将于2024年5月19日在湖南第一师范学院召开,敬请关注。
时间:2024年5月19日(星期日)9:00-12:00
活动地点:湖南第一师范学院东方红校区百熙楼228报告厅
直播链接:https://live.bilibili.com/22593189
日程安排:
时间 | 会议活动 | 人员 |
08:30-09:00 | 签到 | |
09:00-09:10 | 致欢迎辞 | 胡 穗 校长 湖南第一师范学院 |
09:10-09:20 | CCF 数据库专委会领导发言 | 陈跃国 教授 中国人民大学CCF 数据库专委会秘书长 |
09:20-10:00 | 鲁棒索引推荐 | 林 琛 教授 厦门大学 |
10:00-10:40 | 知识图谱少样本关系抽取技术进展与挑战 | 张小旺 教授 天津大学 |
10:40-10:55 | 中场休息、茶歇 | |
10:55-11:35 | 人在环路的领域知识图谱构建与应用 | 洪 亮 教授 武汉大学 |
11:35-12:05 | 圆桌论坛 议题:认知智能研究方向与人才培养 | 高峰 湖南第一师范学院 邹磊 北京大学 林琛 厦门大学 张小旺 天津大学 洪亮 武汉大学 |
报告信息:
报告题目:鲁棒索引推荐
报告摘要:索引对于提升数据库的处理效率有着重要的意义,因此索引推荐是数据库领域的研究热点之一。目前索引推荐方法可以分为两大类,即启发式方法和学习型方法。但是索引推荐的鲁棒性还未得到充分研究:(1)缺乏对索引推荐自适应性的全面评估。索引推荐方法对动态工作负载不能保持稳定的优化性能。(2)缺乏对学习型索引推荐方法可靠性的评估。学习型索引推荐方法性能受到训练和测试负载不一致的影响。(3)缺乏对学习型索引推荐方法的自适应能力的优化。学习型索引推荐方法为了提高自适应能力,训练和推理开销较大。本次报告将介绍课题组在鲁棒索引推荐的系列研究。
嘉宾简介:
林琛,博士,厦门大学信息学院教授,博士生导师,中国计算机学会高级会员,中国中文信息学会青工委委员,中国计算机学会数据库专委委员。研究方向为推荐系统、AI4DB、生物信息挖掘;在本领域的各权威刊物以及国际会议上发表论文100余篇,包括SIGIR、KDD、WWW、ICML、VLDB、SIGMOD、ICDE、TKDE、TOIS等。主持国家自然科学基金项目4项,CCF-腾讯犀牛鸟科研基金项目,百度开放课题研究基金,CCF-华为胡杨林数据库项目,阿里巴巴达摩院AIR项目等知名企业科研基金十余项。获得深圳市科研项目先进个人称号。获得福建省自然科学奖三等奖。
报告题目:知识图谱少样本关系抽取技术进展与挑战
报告摘要: 关系抽取是知识图谱构建中重要环节,是给定文本及文本中涉及的两个实体,判定实体之间是否存在关系以及存在何种关系。关系抽取在自动问答、自动摘要、情感分析等技术中也被广泛使用。少样本关系抽取任务的目标是通过利用极少量的标注数据训练模型,使得模型可以快速学习到一个关系类别的特征,从而对这样只有极少数样本的类别进行准确分类。近几年少样本关系抽取技术受到广泛关注,并取得了长足进步,但实践中仍然存在一些问题值得思考。本报告介绍少样本关系抽取技术最新进展,并讨论在大模型时代背景下,垂直领域中少样本关系抽取将会面临的挑战。
嘉宾简介:
张小旺,天津大学智能与计算学部教授,博导,北京大学理学博士,比利时哈瑟尔特大学博士后,北洋青年学者,天津市认知计算与应用重点实验室副主任。研究方向包括知识图谱,自然语言处理,图数据库系统、软件安全等。主持国家级纵向、校企横向课题等十余项。近年来,在AAAI,IJCAI,ACL,ASE,ICDT,ISWC,EMNLP,COLING,TOSEM,JAIR,Sci. China Inf. Sci.,TNNLS,《计算机学报》,《软件学报》等国内外学术期刊会议发表论文多篇。担任天津大学《知识工程》(本、硕博)课程负责人,主持教育部“高校人工智能教学资源建设”项目、教育部产学合作协同育人项目、天津大学“专业课程群知识图谱研究与实践”重点项目等教改课题7项,发表教改论文2篇。获得天津市科技进步一等奖(排名第二),ACM天津新星奖,天津大学沈志康奖教金,天津大学研究生优秀在线课程《知识工程》等奖励荣誉。
报告题目:基于大模型和人在环路的领域知识图谱构建与应用
报告摘要:目前,领域知识图谱构建面临着专业性强、标注样本少、构建成本高的挑战。针对以上挑战,提出了人在环路的领域知识图谱构建方法,通过本体、规则、数据的多粒度人机交互,将领域知识注入知识图谱构建过程,提高了构建的质量与效率;具体将介绍自举式的关系抽取规则发现算法,通过规则扩大标注样本的数量,同时降低标注样本的噪音,提高了关系抽取的鲁棒性;以及基于原型网络的大语言模型提示学习方法,通过原型网络进行提示构建和调优,缓解了关系抽取过程中样本不均衡带来的过拟合问题。在此基础上,还将介绍知识图谱在金融领域的应用。
嘉宾简介:
洪亮,武汉大学信息管理学院教授、博士生导师。现任武汉大学大数据研究院院长助理、技术研发中心主任,信息管理学院大数据系书记、副主任;入选武汉大学优秀青年学者、珞珈青年学者。在KDD、TKDE、TKDD、SIGSPATIAL等国内外高水平学术期刊和会议上发表论文60余篇,撰写中英文专著4部。获得高等教育国家级教学成果一等奖等奖项,以及10余项国内外专利与软著授权。先后承担国家重点研发计划,国家自然科学基金重点项目、面上项目、青年项目等各类科研项目。成果在多个企事业单位得到应用。现为中国计算机学会高级会员、数据库专委会执行委员。