孟小峰教授应邀参加“大数据与知识图谱”学术研讨会并作学术报告

6月8日，“大数据与知识图谱”学术研讨会在西藏民族大学校举办。孟小峰教授通过题目为“大数据与知识图谱构建”的学术报告，展现了大数据以其计算实时化、数据关联化和应用跨界化，对经济发展、社会秩序、国家治理、人民生活都产生了重大影响，充分彰显了大数据的力量，并详细探讨如何在大数据上建立大知识，即知识图谱的构建；最后，给出大数据面临的问题和思考。陈华军教授通过题目为“领域知识图谱的构建及应用”的学术报告，结合电商、金融等领域的具体实践，分析了相关模型及方法的可用性和局限性问题，并深入探讨领域知识图谱构建所面临一系列难题和技术挑战。邹磊教授通过题目为“基于SIMD指令的图算法加速集相交”的学术报告，重点论述了如何加速一个广泛使用的计算模式-集合交叉，以促进一组相关的图形算法，提出了一种使用SIMD指令的集合交叉算法QFAST，还提出了一种称为BSR的二进制表示，表示紧凑布局中的集合，实现了数据等位性在两个层面-组间块和组块平行。将图排序问题转化为BSR紧性的优化，证明了其强NP-完备性。

下午，中国人民大学WAMDM实验室的四名学生杜治娟、王硕、张祎和吴新乐分别作专题报告。杜治娟做了题为《知识图谱嵌入表示》报告，从知识图谱嵌入表示内涵、当前使用的典型方法、研究热点和当前可用的开源资源等四个方面讲解了利用向量表示的机器学习方法从大数据中如何构建知识库与知识图谱。王硕做了题为《知识图谱相关知识与示例》报告，他从知识的表示和建模、知识的抽取与挖掘、知识的存储、知识补全和知识融合五个方面讲解了从大数据到知识库构建过程中的关键技术和进行大数据分析的最新开源软件使用方法。张祎做了题为《学术空间系统----ScholarSpace》专题报告，她从研究背景、系统特点、应用示范和结论展望四个方面介绍ScholarSpace系统如何从多种权威期刊和会议论文等大规模数据集中抽取作者、论文、 期刊、会议、研究机构等实体，发现实体之间的关联关系和关系演化，进一步构建学者关系和学术关系知识图谱。ScholarSpace为学者构建一个在线“个人学术空间”，输入学者名字，可以查询出其发表的文章，参加的科研项目、研究兴趣、科研成果分析、合作者情况等大量信息。吴新乐做了题为《Relation Extraction Based on Deep Learning》专题报告，他从分词、标注、分类、向量表示、基于神经网络训练等几个方面讲解了命名实体识别与关系抽取过程中的关键技术。