知识图谱深度培训

所属专题:深度培训

嘉宾 : 王仲远 | 美团AI平台部NLP中心负责人&大众点评搜索智能中心负责人

会议室 : 北京·国际会议中心

讲师介绍

培训讲师:王仲远

美团AI平台部NLP中心负责人&大众点评搜索智能中心负责人

王仲远博士,高级研究员、高级总监,美团AI平台部NLP中心负责人、大众点评搜索智能中心负责人。加入美团点评前,担任美国Facebook公司Research Scientist,负责Facebook产品级NLP Service。在Facebook之前,他是微软亚洲研究院的主管研究员,负责微软研究院知识图谱项目和对话机器人项目。多年来专注于自然语言处理、知识图谱及其在文本理解方面的研究,在国际顶级学术会议如VLDB、ICDE、IJCAI、CIKM等发表论文30余篇,获得ICDE 2015最佳论文奖,并是ACL 2016 Tutorial "Understanding Short Texts"的主讲人,出版学术专著3部,获得美国专利5项。在NLP和KG研究领域及实际产品系统中均有丰富经验。他的研究兴趣包括:自然语言处理、知识图谱、深度学习、数据挖掘等。

培训讲师:张富峥

美团 知识图谱算法负责人

张富峥博士于2018年7月初加入美团,担任AI平台NLP中心的研究员,带领知识图谱算法团队。目前主要负责美团大脑项目,这是围绕美团吃喝玩乐场景打造的知识图谱及其应用,能够打通餐饮、旅行、休闲娱乐等各个场景数据,为美团各场景业务提供更加智能的服务。在此之前,张富峥博士在微软亚洲研究院社会计算组担任研究员。他于2015年取得计算机博士学位,由微软亚洲研究院和中国科技大学联合培养,师从谢幸博士和陈国良院士。在微软期间,张富峥博士和所其在团队在个性化推荐、用户画像、时空数据挖掘等领域展开了创新性的研究,并把研究结果应用到微软的广告展示、新闻推荐、机器人小冰等众多产品中。他在相关领域的顶级会议和期刊上发表近30余篇论文,如KDD, WWW, AAAI, IJCAI, TKDE, TIST等,曾获ICDM2013最佳论文大奖。 张富峥博士曾担任ASONAM的工业界主席,IJCAI、WSDM、SIGIR等国际会议和TKDE、TOIS、TIST等国际期刊的评审委员。

培训讲师:张金璐

美团 知识图谱工程负责人

张金璐,美团高级技术专家。本科及研究生均毕业于哈尔滨工业大学,多年深耕基础架构方向,负责过集团七层网关、http服务治理、近亿QPS微服务网络的链路追踪系统、秘钥管理系统、统一日志项目、泳道项目、线上全链路压测项目等等,有丰富高并发大规模分布式系统经验。现任职于美团AI平台部NLP中心,负责知识图谱引擎建设、TaskBot多轮会话机器人、算法GPU加速等工作。

培训介绍

地点:北京·国际会议中心
所属专题:深度培训

知识图谱深度培训

深度学习和知识图谱是近年来人工智能技术蓬勃发展的两大核心驱动力,并且两者呈现出进一步融合的趋势。目前,全球的互联网公司都在积极布局知识图谱,Google Knowledge Graph掀起全球知识图谱热潮,Facebook依赖社交知识图谱提供独特的用户体验,阿里也在今年4月提出了"藏经阁"知识图谱计划。作为全球领先的生活服务电商平台,美团点评拥有围绕吃喝玩乐全场景的丰富数据,通过使用深度学习技术以及自然语言处理技术,对这些跨场景数据进行充分挖掘、映射、聚合与关联,美团NLP中心构建了餐饮娱乐知识图谱——“美团大脑”,来促进每个场景下应用服务的智能升级。首个版本的美团大脑已经拥有超过百亿量级的知识关联,未来预期这一规模会达到数千亿级别,对于数据存储/同步、知识推理、实时计算、算法建模提出了巨大挑战。因此,我们同时正在研发超大规模分布式图数据处理引擎,用来存储和服务美团大脑系统。

在这个报告中,我们将介绍知识图谱基础知识及行业现状,"美团大脑"的构建方法,以及目前在搜索推荐、金融平台、赋能商家等方面的一些初步进展与落地场景。

 

演讲提纲:

1. 人工智能及知识图谱介绍

(1)人工智能近年发展现状

(2)深度学习介绍

(3)知识图谱介绍

(4)知识图谱分类及发展情况

2. 常识性知识图谱MicrosoftConcept Graph介绍

(1)常识性知识图谱构建方法

(2)文本理解与概念化模型

(3)应用场景

3. 百科全书式知识图谱“美团大脑”介绍

(1)百科全书式知识图谱行业情况

(2)美团大脑的框架

(3)美团大脑展示

4. 美团大脑的算法能力

(1)知识构建能力

(2)知识表示能力

(3)情感计算能力

(4)文本理解能力

(5)可解释能力

5. 美团大脑的引擎能力

(1)图引擎原理详解
(2)开源图引擎分析
(3)美团图引擎架构详解

6. 美团大脑在美团点评的应用场景

(1)智能搜索推荐

(2)智能化商家运营

(3)金融信用和风险管理

7. 总结和讨论 

8. 参考文献以及进阶学习资料

 

听众受益:

1. 学术界和工业届主流知识图谱的介绍和现状

2. 常识性知识图谱(如Probase)的建模方法

3. 百科全书式知识图谱的建模方法

4. 美团大脑在美团点评内的具体应用场景

5. 了解各种学习资料

 

目标听众:

1. 人工智能领域的相关技术人员

2. 对知识图谱的实际应用感兴趣的同学

3. 对知识图谱/NLP/深度学习有兴趣的技术人员

本网站图片存储由七牛云独家支持