本次讲座将介绍腾讯云知识图谱技术框架及落地应用的案例。知识图谱在泛互联网、政务、金融领域，被寄予提升机器认知推理的期望。但知识图谱作为一项系统性工程，在落地实体画像、搜索、推荐、问答场景时，面临诸多问题。腾讯云知识图谱在这个技术落地演进的过程中，突破了产品、架构、工程、算法的困难，同时我们针对场景特性，对知识抽取、知识推理等这些模块进行算法优化，相信其中的应用思考、架构布局、算法创新对大家会有帮助。

1. 知识图谱概述
（1）知识图谱介绍
（2）不同知识图谱应用场景落地价值与难点分析
2. 腾讯云知识图谱平台
（1）知识图谱构建流程
（2）腾讯云知识图谱平台架构
3. 知识图谱构建平台 
（1）腾讯知识框架T-schema
（2）基于BERT 的关系抽取
4. 知识推理平台
（1）知识推理在内容推荐场景的应用
（2）知识推理框架-ConVR算法介绍

听众收益：

1. 了解知识图谱产业应用路径与收益
2. 了解腾讯知识图谱构建的流程
3. 了解如何适配BERT模型应用于知识抽取
4. 了解基于知识表示的知识推理及ConVR等相关算法

小米具有极其丰富、不断发展的产品和业务形态，一方面给知识图谱提供了广阔的应用场景，另一方面也给知识图谱的构建和应用提出了挑战。针对这些挑战，小米知识图谱团队做了大量的技术研制和落地应用等工作。本报告主要分享我们在图谱构建与应用过程中的一些经验和体会。

1. 知识图谱概述

         图谱的发展历史

         图谱与认知智能

     2. 知识图谱构建

        图谱构建的基本流程

        图谱构建的关键算法

    3. 基于图谱的问答

        图谱与口语理解

        图谱查询

        知识类问答如何帮助小爱

   4. 图谱的其他典型应用

       图谱与短文本分类

       图谱与商品推荐

 

听众收益：

1. 了解图谱构建和应用的相关知识

2. 了解小爱同学如何利用图谱解决碰到的问题

3. 了解图谱的典型应用场景

4. 了解图谱在工业界落地的挑战

知识图谱在人工智能应用中的重要价值日益突显。基于海量互联网资源，百度构建了超大规模的通用知识图谱，并在智能搜索、智能推荐、智能交互等多项产品中实现了广泛应用。随着文本、语音、视觉等智能技术的不断深入，行业智能化诉求的提升，知识图谱在复杂知识表示、多模态语义理解、行业图谱构建和应用等方面都面临新的挑战。本报告将介绍百度在大规模知识图谱构建、多模语义理解、行业知识图谱构建及应用等方面的最新进展。

一.知识图谱概述

 1.百度语言与知识技术布局

 2.百度知识图谱发展历程

 3.百度知识图谱技术总览

 4.百度知识图谱内部主要应用领域

二.百度知识图谱技术最新进展

 1.从海量数据构建超大规模知识图谱

 2.多源异构知识图谱

 3.语言与知识技术相辅相成

三.百度知识图谱行业实践

 1.行业智能化亟需数据到知识的转化

 2.通用知识图谱 VS 行业知识图谱

 3.百度一体化行业知识图谱平台

 4.医疗知识图谱及应用

 5.法律知识图谱及应用

 6.其他行业的知识图谱构建及应用

听众收益：

1.了解百度在搜索实践中积累的知识图谱最新进展

2.对一个相对完整的知识图谱技术栈加深理解

3.了解百度知识图谱在行业的布局思路，阶段性进展，以及相应的项目、产品、技术合作机会

知识图谱作为对数据进行结构化组织与体系化管理的一项核心技术，近年来给信息与通信行业带来深刻变革。随着5G与AR技术的兴起，知识图谱的发展出现了很多新的特点。本报告将从信息与通信行业出发，介绍企业级知识图谱的构建、推理与应用技术。

演讲提纲：

1、  领域知识图谱自动构建方法、构建平台与发展趋势

（1）领域知识的联合抽取方法

（2）领域知识图谱端到端构建平台架构

（3）领域知识图谱构建难点与趋势

2、  领域知识图谱的推理方法

（1）基于规则的领域知识图谱推理平台

（2）基于表示学习的知识图谱推理方法

3、  领域知识图谱在信息与通信行业中的应用

（1）领域知识图谱在终端手机中的应用

（2）领域知识图谱在运营商领域的应用

 

听众收益： 

1、知识图谱的基础知识、发展历史与趋势

2、5G和AI时代领域知识图谱的新特点

3、信息与通信领域知识图谱构建的方法与实践经验

金融或泛金融领域是知识图谱极佳的落地场景，一来有非常丰富的实体、关系表达(企业、人、行业、机构、产品、服务、法规、事件等)，二来有差异化的业务落地场景(风控、授信、顾问、监管等)，同时金融场景也给知识图谱提出了巨大的挑战，异构多源数据融合、知识的评估与治理、稀薄数据的推理挖掘等等，蚂蚁结合自身业务场景做了较多的业务尝试及平台探索，也对其中的经验、问题、挑战做了较多的总结，相信其中的总结和思考能给大家带来一些帮助。

1、金融领域知识图谱概述
    领域图谱与通用图谱的区别
    领域图谱构建的困难与挑战

2、金融知识图谱业务场景
     风控、保险、财富、推荐等场景的业务实践
     实时事件-以事件为基础的知识推理
     链接预测-异构实体关系发现

3、知识图谱实时构建
     知识图谱建模框架
     NLP与实时构建关键技术
     知识图谱混合存储技术

4、知识图谱融合推理
     异构领域子图谱融合技术
     规则推理与表示学习
     图谱计算统一DSL

听众收益：

1、了解知识图谱与差异化金融场景结合的困难及挑战
2、了解领域子图谱与金融一张图的融合共享建设方案
3、了解知识图谱推理及表示学习的能力框架
4、了解知识建模、实时构建、混合存储、表示学习及推理、图谱应用等的整体平台框架

前沿亮点：

1、知识图谱表示学习及预测
2、基于融合共享的子图谱构建
3、基于BERT的知识实时抽取
4、图谱计算DSL

听懂我的演讲，需要具备的知识储备：机器学习、NLP、图、搜索引擎等

明略一直致力于通过知识图谱相关技术赋能公安、金融、工业、政务等多个行业的企事业客户，目前已经在累计上百个项目中落地了知识图谱解决方案。随着行业数据系统建设的深入和业务场景理解的加深，行业知识图谱方案的落地面临着更多的技术挑战，本报告将介绍明略在多个行业落地中形成的整体解决方案，重点介绍知识图谱存储和计算方面的技术实践案例。

演讲大纲：
1. 行业知识图谱概述
a) 行业知识图谱的特殊性
b) 行业知识图谱需求和挑战
c) 明略知识图谱产品体系和整体架构
2. 从多源异构数据构建知识图谱
a) 从结构化数据构建
b) 从非结构化数据构建
c) 自动化图谱构建
3. 大规模图谱存储、查询和计算
a) 混合图谱存储方案
b) 图谱演变历史的存储和查询
c) 隐性关系计算和推理
d) 子图网络深度挖掘分析
4. 行业知识图谱应用场景和落地案例
a) 各行业知识图谱应用场景
b) 明略知识图谱落地案例介绍

听众收益：

1. 了解知识图谱的行业落地需求
2. 了解知识图谱在公安、金融等多个行业的应用
3. 了解明略知识图谱产品布局
4. 了解明略知识图谱在行业落地的解决方案