微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：现有的大多数知识图谱构建框架会假设知识图谱中的实体或关系有充足的三元组实例来进行训练。然而在真实的应用场景中大量的实体或关系仅具有非常少的三元组，即存在低资源问题，其严重制约了知识图谱应用的效率和性能；此外，知识图谱构建需要处理大量不同类型的数据如句子、文档、图片等，存在数据异质和多模态问题。怎样从大规模多源异构数据中快速高效地构建知识图谱，是众多领域所面临的共性的、基础性的和亟待突破的关键技术难题。本次报告将汇报针对高效知识图谱构建所进行的探索。
讲者简介：张宁豫，博士，浙江大学副教授。研究方向包括自然语言处理、知识图谱等，在自然语言处理和知识图谱领域已发表近三十余篇顶级会议和期刊文章，包括ICLR、ACL、EMNLP、NAACL、KDD、WWW、AAAI、IJCAI等，Google Scholar引用一千余次；担任ACL、NeurIPS、ICLR、ICML、KDD、AAAI等顶级会议程序委员会委员、CCKS2021开放资源主席、CCKS2022评测主席；获得过浙江省科技进步二等奖、国际会议IJCKG最佳论文提名、CCKS最佳论文奖；担任中国中文信息学会语言与知识计算专委会委员、青年工作委员会委员。
第十九届CCF中国信息系统及应用大会
本期嘉宾
京公网安备11010802032778号