AIGC时代的多模态知识图谱构建与应用 | 1月18日TF99报名

刘铭

哈尔滨工业大学教授

报告主题：《多模态知识图谱构建初探》

主题简介：人类能够通过听、读、触、看等感知器官从多种模态的数据中获取知识，进而利用知识完成决策和判断等多种智能任务。人工智能是对人类知识的模拟，因此针对多模态数据的分析和处理是当前人工智能发展的主要趋势。知识图谱是人工智能发展的基石，能够为众多人工智能应用提供知识支撑。本次报告即探讨了如何将不同模态的数据进行有机融合，进而从中获取有用的知识构建多模态知识图谱，为大量人工智能应用提供跨模态知识支撑。

个人简介：刘铭，教授/博士生生导师，哈尔滨工业大学计算学部。先后主持国家重点研发计划项目（课题)、国家自然科学基金、中国博士后科学基金特别资助等多项基金项目。任黑龙江省自然语言处理专委会副主任。获黑龙江省科学技术一等奖，哈尔滨市科技成果，第六届全国青年人工智能创新创业大会一等奖。担任多个国内外知名会议的领域主席和程序委员会主席。

陈凤娇

美团技术专家

报告主题：《多模态大模型知识挖掘框架》

主题简介：多模态大模型带来了知识图谱构建方法的变革。然而在应用中，大模型的效果并不能超越任务小模型，理想和现实存在差距。因此我们提出大模型知识挖掘框架，围绕知识挖掘任务抽象通用流程，通过调用工具箱和知识库解决任务适配和幻觉问题，通过外部反馈进行自我反思，进行错误修正、沉淀工具和记忆，实现持续学习。

个人简介：陈凤娇，先后就职于微软亚洲研究院，初创公司和美团。在美团期间参与商品搜索，负责商品图谱和Cross图谱构建和应用，知识图谱和大模型的双向融合，大模型在线检索增强(RAG)。追本溯源，用简单可控的方法分析和解决问题。

孙梦姝

蚂蚁知识图谱算法专家

报告主题：《领域事理图谱构建和知识服务逻辑性增强》

主题简介：大语言模型带来了知识服务能力的变革，然而在进行原生的分析性内容生成时仍存在欠缺专业逻辑、观点自相矛盾等问题，而事理图谱作为逻辑性知识的容器，可以精准的提供专业逻辑作为语言模型的补充。因此为了实现更精准、专业的知识服务能力，我们设计了LLM和KG之间的协同框架，包括图谱指导的预学习K-lora、图谱引导SFT、图谱反馈的强化学习RLKGF等多种协同机制，并在区域风险研报生成场景验证了这一框架有效性。

个人简介：孙梦姝，任职于蚂蚁金服平台技术事业群，负责蚂蚁知识图谱的构建及应用相关算法技术的研究。其中，立足于蚂蚁的业务场景，重点探索了以事理图谱为基础的知识服务搭建方法，从而面向金融场景实现建设更精准、有深度的知识服务能力。

蒋勇

阿里巴巴通义实验室算法专家

报告主题：《信息抽取：从PLM到LLM的变迁》

主题简介：在数字化信息理解问题中，信息抽取是最广泛的应用之一。最近大模型的出现改变了信息抽取领域的研发和应用范式，本场分享主要是介绍在信息抽取方向，我们过去几年面向PLM架构的研究工作，以及在LLM新范式下的一些尝试和思考。

- 信息抽取任务背景

- 检索增强范式的信息抽取技术

- 大模型时代信息抽取探索

个人简介：博士毕业于中国科学院大学和上海科技大学，加州大学伯克利分校访问学者，从事自然语言处理相关的技术研发，并将先进性技术落地产品和平台。目前在国际顶级会议ACL/EMNLP/NAACL/AAAI等发表40多篇论文，在SemEval 2022、SemEval 2023、NLPCC 2022国际比赛摘取20个子赛道的冠军，并获得SemEval 2022、SemEval 2023最佳系统论文奖、ACL 2023杰出论文奖，当前研究方向包括RAG相关技术、Agent、搜索增强大模型等。

王昊奋

CCF TF知识图谱SIG主席，同济大学特聘研究员

个人简介：同济大学特聘研究员，博士生导师。全球最大的中文开放知识图谱联盟OpenKG发起人之一。负责参与多项国家级AI相关项目，发表100余篇AI领域高水平论文，被引用次数达到3100余次，H-index达到28。他构建了全球首个可交互养成的虚拟偶像—“琥珀·虚颜”；所构建的智能客服机器人已累计服务用户超过10亿人次。目前，他担任中国计算机学会术语工委副主任，SIGKG主席，上海秘书长，中国中文信息学会理事，语言与知识计算专委会副秘书长，上海市计算机学会自然语言处理专委会副主任，上海交通大学AI校友会秘书长等社会职位。