出品人：王昊奋
同济大学百人计划 特聘研究员
OpenKG发起人之一
同济大学百人计划，特聘研究员，博士生导师。研究方向包括知识图谱、自然语言处理、对话问答机器人等。长期在一线人工智能公司担任CTO之职。他是全球最大的中文开放知识图谱联盟OpenKG发起人之一。他负责主持多项国家级和上海市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2900余次，H-index达到26。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。                                                                                                                       

知识工程

知识工程覆盖知识表示与建模，知识抽取，知识融合，知识存储，知识推理与计算，知识应用等全生命周期管理，旨在利用人工智能、大数据、互联网及软件工程等技术进行高效大规模知识图谱构建与领域应用，覆盖知识表示与推理、知识图谱、图数据库与图计算、知识问答、知识增强大语言模型等主题。
大模型时代的开放知识图谱技术栈
内容简介：
知识图谱和大型语言模型都是用来表示和处理知识的手段。大模型补足了理解语言的能力，知识图谱则丰富了表示知识的方式，两者的深度结合必将为人工智能提供更为全面、可靠、可控的知识处理方法。本次报告将介绍大模型时代的知识图谱实践技术和知识增强的开源语言大模型框架KnowLM,包括基于知识提示技术的大模型增强，基于知识编辑技术的大模型更新，基于知识交互技术的大模型智能体等，并对知识图谱与大模型的融合之道展开深入探讨。                                                                                                                                                                                                                                        
演讲提纲：
1 、大模型时代的知识图谱实践技术
2、基于知识提示技术的大模型增强
3、基于知识编辑技术的大模型更新
4、基于知识交互技术的大模型智能体
5、知识图谱与大模型的融合之道的展望
                                                                                                                                                    
听众受益：
1、大模型时代的的知识图谱技术栈
2、大模型时代的知识图谱发展趋势
3、大模型时代的知识图谱新应用                                                                                                                                               
张宁豫
浙江大学副教授
博士，浙江大学副教授，博士生导师。研究方向包括知识图谱、自然语言处理等，在知识图谱和自然语言处理领域已发表多篇顶级会议和期刊文章，包括ACL、EMNLP、NAACL、NeurIPS、ICLR等，Google学术引用两千余次，五篇论文入选Paper Digest高影响力论文，获浙江省科技进步二等奖，国际会议IJCKG最佳论文/提名2次，CCKS最佳论文奖1次；担任ACL、EMNLP领域主席、ARR Action Editor、IJCAI 高级程序委员、ACM Transactions on Asian and Low-Resource Language Information Processing Associate Editor及NeurIPS、ICLR、ICML等会议程序委员会委员。
SPG语义增强知识图谱编程框架
陈  佼
恒生电子股份有限公司高级技术专家
恒生电子人工智能研发负责人，高级技术专家，10多年技术平台架构设计及开发经验，多年知识图谱及相关领域经验，当前主要研究方向为知识图谱、NLP以及大模型相关技术及其工程化应用落地，已持续为数十家金融机构提供各种类型的智能应用及数据服务。                    
内容简介：
在企业级知识图谱应用中，属性图因其高效和对大数据体系的兼容性，使其成为领域图谱建模的首选，但随着业务快速发展和知识体量的大幅增加，因其知识语义及管理能力的缺失，属性图的种种弊端会逐步显露。本次从恒生金融事理图谱业务案例出发，介绍业务应用的背景和相关痛点，引出SPG编程框架，并提出相应的应对及解决方案。最后介绍大模型时代下知识图谱应用的新范式，并对大模型+事理图谱在投研场景下的应用进行介绍探索。     
                                                                                                                                                                            
演讲提纲：
1、金融场景知识图谱应用实践
2、金融事理图谱图构建及应用的痛点
3、SPG可编程框架及SDK介绍
4、SPG驱动的新一代认知应用案例
5、大模型时代下知识图谱应用的新范式
                                                                                                                                                                                       
听众受益：
1、金融事理图谱应用案例及痛点
2、SPG的核心能力和总体框架
3、SPG解决金融事例图谱痛点的案例
4、大模型时代下知识图谱应用的新范式                     
KG+LLM在行业知识管理场景的应用
刘焕勇
360人工智能研究院算法专家
360人工智能研究院知识图谱方向算法负责人，曾就职于中国科学院软件研究所。主要研究方向为大模型数据挖掘与自动化评估、领域知识/事件图谱的构建与落地应用，申请发明专利十余项、论文数篇。近年来在OGB-Wikikg2、CCKS多模态实体对齐等评测中获得多项冠亚军。先后参加CCF、DATAFUN、CSDN、全国计算机信息管理学术研讨会等多个知名论坛中发表演讲。                                                          
内容简介：
大模型时代下的许多工业应用场景都面临着更新迭代的需求，但由于大模型在长尾知识上的确实性，生成结果上的不确定性，在真实落地场景中存在许多问题。本报告将围绕知识图谱+大模型的一些结合探索展开报告，首先对大模型存在的幻觉来源、起因以及评估进行论述，然后对其在行业知识管理、搜索及问答场景中的一些具体案例进行介绍。                                                                                                                                                       

演讲提纲：
1、大模型的幻觉是什么？表现如何？从何而来？
2、大模型的幻觉如何进行评估以及缓解方案
3、大模型融合知识图谱在知识管理中的应用探索
4、大模型融合知识图谱在搜索问答中的应用探索                                                                                                                                                                                       
听众受益：
1、关于大模型幻觉的定义、表现、起因、评估以及缓解策略
2、真实工业场景下知识图谱与大模型的结合方式
3、RAG与GraphRAG知识检索增强的应用范式                                                                                                                            
大语言模型下的文本治理技术
内容简介：
语言大模型在各类工业场景中的落地效果会十分依赖文本解析、内容重构和信息召回等结果的准确性，本报告将从几类典型的应用场景入手，结合实际业务需求，分别介绍知识工程中涉及的文本内容解析、噪音消除、片段划分与重组、语义召回等自然语言技术，保证语言大模型输入内容的高质量，从而提高大模型落地应用效果。                                                                                                                                                                                                                                                                                                                
演讲提纲：
1、大模型视角下的数据治理价值
2、大模型文本数据治理的关键问题与挑战 
3、大模型文本数据治理的核心技术
4、大模型典型应用场景                                                                                
                                                                                                                                                    
听众受益：
1、了解语言大模型在典型工业场景中的落地实现路径和关键技术；
2、了解前沿的文本解析和数据治理方法，保证大模型内容输入的质量。                                                      
于  政
上海瞰源科技创始人&CEO
博士，上海瞰源科技创始人。前海致星图研发副总裁，明略科技信息检索实验室主任。在金融、能源电力和工业制造领域面向自然语言处理、知识图谱、深度学习、大模型等拥有丰富的产品研发、方案咨询与项目落地经验，主持、参与了多项人工智能国家专项项目，近年来在IJCAI、TKDE等顶级期刊会议上发表多篇文章，申请专利十余项，科学出版社“新一代人工智能平台建设及其关键技术”丛书《人机协同》主要作者之一。                            
京ICP备2020039808号-4 京公网安备11011202100922号
返回顶部