知识图谱技术课程（苏州大学）参会记录

最近知识图谱越来越火热，在苏州大学举办了一场知识图谱的分享会，从杭州赶过去参加了下，收货还是颇多的。

这次分享在苏州大学的敬贤堂举行，一共8场分享+1场答疑，上午主要是学术界的老师，下午主要是工业界的应用。来的学生和从业者居然有200多号人，会场楼上楼下都做的差不多满了。不得不感叹借着AI的东风，知识图谱这个老概念又焕发了青春。

这次分享收获的几个点记录下来：

1，行业知识图谱的应用。其实这是我最关注的问题，因为个人越来越觉得其实最难的找到技术的业务价值，只要找到了技术本身基本都是可以探索解决的。这次分享看到了知识图谱很多很有意思的应用点：

中兴的陈虹老师讲了她们公司在行业知识图谱上的应用，可以分为金融/电信/政商/医疗四个领域。

金融类的用在潜客挖掘，反欺诈检识别，潜在风险预测，企业投资图谱等，但是个人觉得其实里面的大部分其实更多的是利用了图的特性做预测分析，而非是严格意义上的知识图谱。

电信类的用在智能客服，智能IVR，业务办理，智能知识管理等，这一块应该是中兴的强项，特别是智能客服还是被很多企业证明是真正有价值的。

政商类的包括政务服务咨询，国防安全，警务预测，智慧城市等，这一块感觉是阿里云正在大力做的，但是好像没有看到图谱有在上面应用。

最后医疗领域，包括中西医知识问答，辅助诊断，药物安全，新药发现，其实这些我们之前也有尝试，但是到最后发现这太需要领域专家的投入，单纯的科技类背景企业很难做好医疗领域。

2，一些知识图谱比较好玩的应用点。

复旦的肖仰华老师讲他们cn-probase的应用，由于是学术界来做，看起来比较天马行空一些。包括实体相似度判断，可解释实体推荐，代码搜索，人岗匹配。具体内容可以看下之后的ppt。

3，智言科技的知识图谱应用。

智言科技的周柳阳博士介绍了他们公司做的知识图谱应用，主要行业是金融，保险，旅游等他宣称的高频场景，同时看衰智能音箱，智能家居这种所谓的“低频场景”，但是个人觉得还是仁者见仁吧。

另外他讲到了一个很有意思的点，他们目前做了工作可以通过深度学习方法将自然语言转化成sparql，通过标注10万条语料，达到80%的准确率。后来又找他求证了下细节，他们是在一个领域内，实现了一阶的查询，对于join等操作还是无法达成的。有一篇sequence2sql的paper，之后会搜来看下。

目前图谱真是慢慢火起来了，但是他其实还不是一个成熟的东西，也没有出现那种杀手级的应用，即使在智能客服里其实也只能承担一部分的问答请求。希望知识图谱有更多的突破，让机器真正有智能的那一天早日来临。

附上本次讲座的ppt：百度盘地址密码: eazr