TF33回顾 | 人工智能的下半场——知识图谱的新机遇与行业落地

大数据时代的到来，使得人工智能技术获得了前所未有的长足进步。同时，随着人工智能对数据处理和理解需求逐日增加，知识图谱越来越火热。融合知识图谱与深度学习，已然成为人工智能进一步发展的重要思路之一。知识图谱应用领域日趋广泛，如互联网、泛传媒、工业等领域。TF33期研讨会主要就知识图谱的新机遇与行业落地这一话题，围绕多模态、小样本、可解释、认知中台、垂直行业低代码快速知识构建与服务落地等前沿技术，面向一线工程师和研发人员做一场丰富多彩的技术分享，通过主题报告、圆桌论坛的方式对技术与业务场景的融合进行深入的探讨与交流。

合影留念

从左至右：CCF上海分部主席 白硕

CCF TF 知识图谱SIG主席/同济大学百人计划特聘研究员 王昊奋

启迪之星产业赋能中心执行总监/启迪之星（上海）副总经理 卫冕

CCF上海分部主席白硕出席会议并致辞，CCF TF 知识图谱SIG主席/同济大学百人计划特聘研究员王昊奋担任会议主持人，CCF上海分部副主席丁炎和CCF理事/CCF上海分部秘书长束庆山出席会议。活动协办方启迪之星产业赋能中心执行总监/启迪之星（上海）副总经理卫冕也为会议致辞，分享了启迪之星链接前沿科技，赋能产业升级的相关工作。

联想集团高级总监 胡长建

联想集团高级总监胡长建分享了《知识图谱技术及联想落地实践》的报告。“知识图谱项目落地有3个要点，第一点是人机结合，人可以托底并实现数据的正向收集，第二点是借助工具将隐性知识转化为显性知识，第三点是AI项目是组合拳，数据整合+知识整合+算法整合。”胡长建总监还结合联想的实际业务场景，介绍联想的知识图谱技术以及知识图谱在联想智能客服系统、辅助商业决策等方面的应用实践。

阿里云工业知识图谱团队以及智慧能源研发团队负责人 邱剑

阿里云工业知识图谱团队以及智慧能源研发团队负责人邱剑分享了题为《工业知识图谱在能源领域的实践》的报告。介绍了阿里云工业知识图谱平台及其相关技术如何帮助能源客户从结构化和非结构化数据源中半自动化挖掘专业知识，基于知识图谱构建、维护和运营知识体系，并给上层应用（如精准搜索、辅助问答、多轮对话、AI虚拟老师傅等）提供知识支撑，切实提升客户的生产力和工作效率。其中，业务数据主要有2类：一部分为非结构化文本型数据，需要借助自然语言处理与信息抽取的技术，以知识图谱的方式将宝贵的信息沉淀下来。另一部分为物联网的传感器数据，需要与非结构化数据、工业机理模型、数学公式、经验规则进行有机结合，充分挖掘现象背后的因果性与相关性，实现一定程度的智能问答、推荐与推理。

中国科学技术大学副教授 徐童

中国科学技术大学副教授徐童分享了题为《多模态知识驱动的“美丽新世界”》的报告。介绍了团队近年来在多模态知识理解、关联与图谱构建方面的若干尝试，认为多模态图谱是一把双刃剑：各模态之间的语义信息互为支撑，多模态能够获得更完备的语义描述，但多种模态信息的表征方式各不相同，从而在语义融合的过程中存在着“鸿沟”，同时多模态知识图谱也给存储与索引带来了新的挑战。在未来研究方向上，通过大规模众包数据构建MMKG，或是MMKG与事理图谱相结合，具有巨大的研究潜力。

贝壳找房知识图谱负责人 王贺青

贝壳找房知识图谱负责人王贺青分享了题为《知识图谱技术在居住领域的迁移应用和演进》的报告。介绍了贝壳如何把知识图谱技术迁移应用到房产领域，依托于链家积累十多年的行业楼盘字典，打造出领先房产知识图谱；通过三个房产领域特色AI应用：C端智能搜索、小贝咨询助手、VR带看助手，展示了知识图谱技术如何赋能经纪人作业，提升用户的找房效率。最后王贺青总结了知识图谱技术如何在产业数据和产业应用之间起到桥梁的作用，帮助实现数据建设到应用的闭环。展望了贝壳未来希望构建”住“的领域图谱标准和开源技术的愿景。

PlantDataCTO 胡芳槐

PlantDataCTO胡芳槐分享了题为《敏捷知识图谱工程》的报告。胡芳槐博士分享了实现知识图谱工程敏捷化的思考，并展示了PlantData在敏捷知识图谱工程方面的相关尝试：1 通过组件化、预构建等过程，实现知识图谱模式、数据、模型、算法等的可复用与开箱即用、2 虚拟知识图谱，可实现结构化数据的快速智能化利用；3基于业务应用编排引擎AutoDI，可实现快速构建基于知识图谱的应用；4 基于组件化、预构建、虚拟知识图谱和应用编排，构建了基于知识图谱的认知智能中台。PlantData一直致力于知识图谱前沿技术的行业落地，2017年在全国知识图谱及语义计算大会上提出了知识图谱全生命周期管理的概念，为学界和业界广泛认可及采纳。

新氦类脑智能公司机器视觉实验室主任 杨文志

新氦类脑智能公司机器视觉实验室主任 杨文志分享了题为《知识图谱在共享知识上的商业应用》的报告。他分享了关于知识图谱模型商用落地的经验，探讨了三个问题：典型适合知识图谱的场景是什么？不适合知识图谱的场景是什么？以及还有什么知识图谱的延伸应用？首先从原理上剖析了传统知识图谱的典型应用场景：推荐系统、推理系统等；然后引申谈到了在一些要求高正确率的场景下，一般学术知识图谱模型往往无法直接达到需求，而需要一些面向产品的优化工程。随后阐述知识图谱的结构特点，并展示了一些将知识图谱抽象并延申使用的商业案例：风控系统、机器视觉、空间自适应系统等，展示了知识图谱在共享知识方面对算法产品的性能提高具有深层次的帮助，并期待有更多知识图谱的延伸应用陆续出现在更宽广的领域当中。

圆桌论坛环节中，在PlantDataCTO胡芳槐博士的主持下，参会讲者共同就“知识图谱的机遇与挑战”、“知识图谱的实践难点及如何解决”、“多模态知识图谱的发展及难点” 等话题进行更多深度观点的交流。会议最后，CCF上海分部主席 白硕还为所有讲者及会议主席王昊奋博士颁发了感谢奖牌。

圆桌论坛

颁发感谢牌

人工智能当前已经成为新一轮科技革命和产业变革的重要驱动力量，而知识图谱是人工智能进步的阶梯，推动知识图谱的行业落地实践，将会推动人工智能进一步发展。正如各位嘉宾在CCF TF33研讨会上分享的，未来知识图谱挑战与机遇并存，仍存在着巨大市场潜力，如何更好地将知识图谱与各行业融合，让我们拭目以待。