演講的議題學術界和工業界各一半，參加研討會的人很多，以武漢高校學生為主，也有不少工業界人士，名單裡看到了不少華為的，也有個別京東／百度人士，大家對知識圖譜的關注度都很高目前的應用主要集中在智慧問答，其它應用場景較少。下面講一下各個課題的重點

領域知識圖譜落地實踐中問題與對策

演講者：肖仰華 復旦大學知識工場實驗室 http://kw.fudan.edu.cn [email protected]知識圖譜定義：本質是一種語義網路，只是在規模上有突破，利用現有大資料技術構建大規模語義網路DKG vs GKG個人看法：DKG已經深入到很多細分行業，能更加專注也相對更容易實現，我們需要這樣的專注。DKG如何構建DKG評價標準：質量(準) 規模(全) 實時(新) ，三大標準個人認為優先順序是：準>新>全DKG查詢方式：注意到的幾個課題都選用了SPARQL，是為RDF開發的一種查詢語言和資料獲取協議優點：表達能力強，可推理缺點：較複雜 難書寫 複雜查詢執行代價高gremlin天生就是為圖查詢設計，任何SPARQL都可編譯為gremlin查詢，也就是說gremlin能覆蓋SPARQL的應用場景，比SPARQL功能更強大，也更適合圖譜查詢，另外SPARQL不支援圖譜邊帶多個屬性DKG應用場景：智慧搜尋 智慧推薦 智慧問答 智慧解釋

決策分析DKG如何入手：避難就簡 (優先使用結構化資料，再補充必要的半結構化資料，最後才是非結構化資料)

知識圖譜在行業的落地實踐

演講者：楊威 明略資料知識圖譜是企業實現行業人工智慧的必經之路，是認知AI的關鍵資料模型，是深度學習和人的思維的橋樑，是與資料倉庫並行的新一代AI基礎設施這裡涉及的儲存並不單是圖儲存，還有很多其它儲存方式，並不是因為搞知識圖譜就需要把資料儘量存圖儲存的，還是需要看具體應用場景而定符號推理，都是基於DSL(領域專用語言)命名實體識別： CRF++ BiLSTM關係識別： Deepdive  PCNN

知識圖譜在聊天機器人中的應用

演講者：李成華 武漢泰迪智慧科技有限公司知識圖譜用於百科知識問答颸拓機器人覆蓋音樂／天氣／財經／航班／百科知識等五十多個領域的問答，類似我們的智慧助手

知識圖譜在醫療行業中的應用

演講者：倪淵 平安醫療科技研究院知識圖譜作為與資料平臺並行的低層支撐平臺特種圖關係，邊帶權重，按權重排序查詢最相關的節點

廚房場景中美食知識圖譜構建與應用

演講者：楊葉強 廣州索答資訊科技有限公司這裡主要是上下位推理(實體屬於關係父子型別傳遞)，也就是概念推理，這是推理中最簡單的，也是實用性最強的。他認為在美食領域，知識圖譜推理技術除了概念推理，依然沒有其它特別合適的場景最後所有演講者上臺共同回答提問環節，有人問到知識圖譜推理應用，演講者們的一致觀點：目前知識圖譜在推理上還主要是概念推理這類比較簡單的應用，其它推理還在探索，更加專業的推理一般由專家系統完成(比如問餘額寶的收益，會根據多個輸入條件做條件判斷，得出不同結果)