2020-CCF-杨文志-知识图谱在共享知识上的商业应用

CCF，https://dl.ccf.org.cn/lecture/lectureDetail?id=5192658592499712。摘要：基于知识管理、知识共享、知识迁移等目的，对于一种标准化的知识存储方法从WordNet、Wikipedia一直到当今的知识图谱，工作未曾停歇。在传统场景下，知识图谱的构建主要是基于专家知识半自动生成的，面向的是人类的有效知识。这类知识图谱为商务上的推荐系统、推理系统提供了许多的帮助，并且为人工智能的迁移学习等应用打下了基础。除此之外，知识图谱的概念也可能更加抽象化，不仅局限于通常定义下的知识，更可将其基于“对象-关系”的图谱构建与算法框架应用到其他的语义空

tensorflow_gpu-1.15.3-cp37-cp37m-win_amd64

tensorflow_gpu-1.15.3-cp37-cp37m-win_amd64.whl tensorflow_gpu-1.15.3-cp37-cp37m-win_amd64.whl

CNCC2019-张勇-基于知识图谱的健康医疗大数据融合技术及应用.pdf

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663480272078848。 张勇，剑桥大学博士后。 摘要：健康医疗大数据是健康医疗活动的产物，同时也是进行健康医疗业务优化和辅助决策的基础。健康医疗大数据分散在多个主体管理的多个系统中，所以在应用健康医疗大数据的时候往往需要先进行数据釉合。然而由于生成数据的系统所采用的标准或规范不同，不同来源的数据之间经常存在数据不一致的情况，同时由于应用水平等问题，数据的质量也存在较大问题。数据不一 致和数据质量等问题大大阻碍了数据融合的效率和效果。知识图谱作为作为一种灵活的数据模型，通过一张图来集成所有相关的数据，同时利用对齐等技术来解决数据中存在的问题。本报告将从健康医疗大数据融合的数据模型、过程、工具和应用的角度来介绍如何应用知识图谱来进行健康医疗大数据融合。我们把健康医疗知识图谱分为概念图谱和实例图谱，定义了各 自的数据模型，然后分别介绍了各自的建立过程，以及两者之间如何建立关联。我们提出了“ 医在回路 ”的概念，对医生在构建健康领域知识图谱中的角色和职责进行了定义。基于这些数据模型，我们研发了健康知识图谱构建工具 HKGB 。该工具是一个易于扩展的、跨语言的、智能的知识图谱构建平台。基于该平台，我们构建了面向心血管疾病的知识图谱。最后本报告介绍了健康医疗知识图谱的应用情况。

2019-TF21-北京大学-赵东岩-知识图谱的关键技术及其智能应用.pdf

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4565193977235456。 摘要：随着自然语言处理等相关技术的发展，知识图谱已经成为工业界开展下一代人工智能应用的重要基础。本报告将从知识图谱构建、补全及其人机交互问答等方面系统阐述知识图谱的关键技术方案；并将结合北大计算机研究所在这个研究方向上的具体进展，以实际应用为背景、探讨如何基于知识图谱实现智能问答等智能应用的技术路线。

2019-TF21-医渡云-闫峻-基于真实世界数据的医疗知识图谱构建 - 挑战与方法.pdf

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4565199623440384。 摘要：知识图谱在医疗健康领域的构建和应用近期吸引了越来越多来自学术界及工业界的目光。医疗知识图谱的构建即可以基于指南，书籍，文献等做知识抽取，也可以基于领域专家对知识的编辑。还有重要的一类知识来源是基于真实世界数据的知识挖掘。我们这次报告的重点是基于以临床电子病历为代表的真实世界数据医疗知识图谱构建中的主要问题，挑战极其解决办法。我们将从临床电子病历的数据质量问题谈起，介绍如何通过构建医学常识知识库等方法保证知识来源的质量。接下来介绍实体识别及实体标准化在医疗文本上的技术特殊性与挑战，并以案例介绍实践中更高效的解决办法。接下来会简单介绍真实世界医疗数据挖掘在落地过程中的其它挑战及对应算法框架。最后将进行一些应用案例的分享。

2019-TF17-阿里巴巴-华能威-知识图谱与智能搜索.pdf

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4409498440943616。 摘要：全网知识图谱有其独特的优势、价值，不仅帮助机器理解文本，也是智能信息服务的高效手段。知识图谱和搜索的结合越来越紧密，成为重要的数据和技术驱动。同时，知识图谱应用于智能问答，包括在有屏、无屏场景下也都发展迅速。当然知识图谱本身也面临很多的挑战、难题。本次报告分享这方面工作的一些经验和心得，希望对大家有所启发和帮助。

CNCC2019-王斌-小米知识图谱的构建与应用.pdf

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663476290947072。 摘要：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AI实验室知识图谱团队做了大量的技术研制和落地应用工作。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体会。

CNCC2019-陈华钧-可解释的知识图谱推理及应用.pdf

转自：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663454624843776。 陈华钧，浙江大学阿里巴巴知识引擎联合实验室负责人。 摘要：知识图谱表示的向量化使得我们可以实现更易于泛化的可微分推理。然而， 基于表示学习实现的知识图谱推理和链接预测丢失了传统符号计算方法的可解释性，即：模型无去对基于向量计算或神经网络训练后得出的推理结论进行解释，导致只知结果但不知为什么。在很多真实的应用场景下，黑盒模型的可解释性缺乏导致很多应用不得不放弃采用表示学习方法 。本报告尝试探讨知识图谱与表示学习的可解释性之间的关系，具体针对基于表示学习实现的知识图谱推理的可解释性问题提出一些研究思路和解决方法，并结合真实的应用场景介绍相关的一些实践。

2020-CCF- -隐私与数据安全技术观察.pdf

转自CCF：https://dl.ccf.org.cn/lecture/lectureDetail?id=4896533633271808。摘要：隐私风险虽然与安全风险强相关，但隐私风险管理不同于安全管理，隐私保护是强合规驱动的市场。新的规范和隐私管理框架会推动企业在隐私保护方面的投入。（李康 第十二届信息安全高级云论坛）

Data Privacy with R.pdf

隐私保护数据挖掘(PPDM)是一个非常重要的应用领域。它的目标是研究新的机制，允许为数据挖掘任务传播机密数据，同时保护个人隐私信息。此外，由于R语言在统计和数据挖掘领域的相关性，无疑是研究、开发和测试数据挖掘隐私技术的良好环境。在这一章中，我们概述了R中一些有用的工具来向读者介绍该领域，因此我们将介绍几种PPDM保护技术以及它们的信息损失和披露风险评估过程，并概述R中的一些工具来帮助从业者了解该领域。