图谱动态｜学苑周刊0914

—--| 行业动态 |--—
电力行业标准与制度知识图谱
9月9日，国网信通股份公司北京中电普华信息技术有限公司承建的首个电力行业标准与制度知识图谱库正式上线，助力国网企协智能化、信息化、数字化转型。
中电普华制度标准智能管理平台以发布的通用制度和技术标准为基础数据，应用人工智能、大数据等领先技术，将标准制度文本转化为数字化、机器可识别的知识图谱，同时开发人工智能算法引擎，形成了“电网全业务神经网络”。
截止至目前，国网制度标准智能管理平台基于设备、流程、岗位和制度标准条款的知识图谱架构设计共拆解3000余本制度标准文档，关联匹配102类设备、1330项流程、520类岗位，完成了知识图谱本体设计和构建电子游艺，形成制度标准知识图谱库，首创了制度标准知识图谱化生产的可行性路径。
https://t.hk.uy/XbB
知识图谱在临床风险评估中的应用
惠每科技本质上是一家质量控制的信息化厂商。涉及到的产品主要包括：临床辅助系统、VTE防控系统、单病种数据上报等。公司所有应用计算都基于NLP计算引擎、机器学习模型和知识图谱框架搭建。
公司16年借鉴了SNOMED-CT的架构和构建的方式，建设了自己的知识图谱。SNOMED-CT将所有的图谱节点叫做概念，每个概念有一个描述符，由关系和描述这两部分组成。在存储设计方面，图谱有描述表和关系表这2个表结构。描述表对概念和所有属性和关系进行描述。关系表是知识图谱里面的三元组。
所有的系统会部署到医院的现场。首先，将院内现有的来自HIS、EMR、LIS数据源约50类的业务数据通过集成平台、数据视图、前端接口等方式接入到公司的数据平台。其次，经过数据清洗，对非结构化的数据进行结构化。最后，将识别到的实体或三元组和系统已经构建好的图谱进行实体链接，经过规则的推理引擎，支持上层评估。
https://t.hk.uy/XbD
知识图谱+金融业务


星环科技基于自主研发的分布式图数据库StellarDB与知识图谱平台Sophon KG,为银行等用户构建图谱应用平台, 实现知识获取、图谱构建与存储、图谱更新迭代、图谱计算与分析等功能,并且通过星环平台的高可用和健壮性,可以满足客户高可用、资源管控、可视化效果、NLP能力等的需求。可快速挖掘非结构化数据和半结构化数据价值,找出其存在的关联关系,提炼有价值信息,稳定可靠地解决金融行业所面临的不同问题。目前,星环科技的解决方案已经应用在智慧风控、智慧营销、智慧经营等场景,帮助银行用户创造价值。

相比于基于开源系统构建知识图谱平台,基于星环科技自研产品构建知识图谱平台具有明显优势：
1.在图数据库方面,星环科技的平台基于自研的分布式图数据库Stellar DB，性能更好，比开源快4-6倍；可支持万亿边规模图数据存储，具备查询速度快、分析能力强、稳定性高的特点。
2.在支持图算法方面,星环科技的KG与StellarDB平台支持的图算法丰富，内设金融场景NLP模型支持半自动化文本构图。
3.在集群方面，星环科技的平台底层基于容器，资源管控更好，支持高可用，可以方便的进行资源共享，可以动态扩缩容。
https://t.hk.uy/XbF


—--| 会议讲座 |--—
ICANN 2021
The International Conference on Artificial Neural Networks (ICANN) 是欧洲神经网络协会 (ENNS) 的年度会议。2021 年，Comenius大学数学、物理和信息学院 (FMPI) 与斯洛伐克认知科学协会共同组织了第30届ICANN会议。ICANN的理想是将来自两个领域的研究人员聚集在一起：信息科学和神经科学，从机器学习算法到真实神经系统模型。其目的是促进讨论和互动，以开发更智能的计算系统并增加我们对大脑神经和认知过程的理解。



主要演讲：

演讲人：Marc-Oliver Gewaltig
简介：Marc-Oliver Gewaltig是EPFL Blue Brain项目的神经机器人部门经理，也是T-Systems瑞士公司的人工智能顾问。他的团队使用数据驱动的全脑模型和肌肉骨骼身体模型研究啮齿动物感觉运动回路的模拟辅助重建。

演讲人：Alessandro Sperduti简介：Alessandro Sperduti是意大利帕多瓦大学数学系“Tullio Levi-Civita”的计算机科学教授。他的主要研究兴趣是神经网络和内核方法，重点是结构化领域的学习。目前，他还致力于将多媒体数据与本体编码的背景知识进行集成。

演讲人：Jochen Steil简介：Jochen Steil协调了机器人技术和机器人学习领域的多个大型项目，包括FP7 AMARSi和H2020 CogIMon（交互中的认知兼容运动）以及德国科学部智能技术系统前沿集群内的人机交互项目。

演讲人：Peter Tino简介：Peter Tino是英国伯明翰大学计算机科学学院的教授。他对机器学习、神经计算、概率建模和动力系统感兴趣。Peter着迷于机器学习、数学建模和领域知识在从天体物理学到生物医学科学的各种科学学科中跨学科融合的可能性。
详情请访问
https://e-nns.org/icann2021/
IROS 2021

2021年IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2021)将于9月27日在捷克布拉格举办。旨在讨论和熟悉机器人、自主和智能系统、人类顺从机器人、医疗机器人和机器人领域的最新进展。

主要演讲：

演讲人：DANIELA RUS
主题：Learning Risk and Social Behavior in Mixed Human-Autonomous Vehicles Systems时间：15:25—15:50, 9月29日

演讲人：JOCELYNE TROCCAZ
主题：Computer-aided and robot-assisted medical interventions: myths, reality and challenges时间：15:25—15:50, 9月30日

演讲人：JAVIER ALONSO-MORA主题：Motion Planning among Decision-Making Agents时间：15:55—16:15, 9月28日链接：https://www.iros2021.org/
详情请访问
https://www.iros2021.org/


—--| 书籍推荐 |--—
Artificial Intelligence：A Textbook
本周推荐的是IBM T. J. Watson研究中心的Charu C. Aggarwal于2021年出版的新书Artificial Intelligence：A Textbook，该书从演绎推理和归纳学习两个角度对人工智能的多个领域进行详细介绍，并在最后章节对二者结合的方法进行了探讨。





基于演绎推理的方法，书中介绍了搜索和逻辑的系列工作；基于归纳学习的方法，书中介绍了机器学习分类、神经网络、无监督学习、概率图模型和强化学习。演绎推理和符号学的方法是早期人工智能的主要方式，归纳学习的方法在近年来愈加成为主流，但是存在不可解释且往往需要大量数据的问题。而一个更好的方式是将二者结合起来。
作者认为知识图谱是一种重要的联系演绎推理和归纳学习技术的一种方式，并在书中用一整章内容介绍了知识图谱的基本概念、一系列大规模知识图谱的特点、构建知识图谱的主要方式和应用领域，对于读者了解知识图谱的概念和技术会有很大帮助。

本书的最后一章介绍了融合演绎推理和归纳学习的整体框架和方法，认为这种结合的动机可以从偏差-方差权衡中得出，并提出了迁移学习、终身学习、神经-符号人工智能几种可能的方式。

本书详细介绍了人工智能各个领域的工作，从演绎推理和归纳学习的角度对相关工作进行划分，并给出系列框架探究二者结合的方式，对于读者了解人工智能的前沿进展、探索进一步的发展方向都会有很大的引导和启发意义。
本书的电子版下载：
https://link.springer.com/chapter/10.1007/978-3-030-72357-6_12







诚邀您加入我们的gStore社区，我们将在群内解决使用问题，分享最新成果~


请在微信公众号图谱学苑发送“社区”入群~












免责申明：本文全部内容均来源于网络开放信息整理,如有侵权,请联系删除