2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

gpt4对电脑配置要求,gpt4对中国开放了吗,GPT-4对比GPT,GPT-4对教育的影响

AIGC，ChatGPT以及今天发布的GPT-4

相信已经给大家带来足够的冲击，那么

对于知识图谱的应用产生哪些变化和变革？

知识图谱在其中如何发挥作用呢？

通过LLM是否有可能辅助创建通用大规模知识图谱？

AIGC时代下行业知识图谱的新机遇有哪些？

2023年3月18日，DataFunSummit2023：知识图谱在线峰会将试着给你答案！

本次峰会由2位主席与3位专家团成员和6位论坛出品人精心策划而成，共包含了：统一知识表示与复杂推理、大规模知识图谱构建与更新、海量知识存储与计算、知识问答与推荐、知识图谱与AIGC、最佳行业知识图谱实践等6大论坛，邀请20余位来自一线的知识图谱专家学者，进行深度分享交流。本次峰会将全程直播，欢迎大家扫码免费报名收看：

识别二维码，免费报名

峰会日程

峰会组织

峰会主席

学术主席：刘铭 哈尔滨工业大学 教授、博士生导师

个人介绍：刘铭，教授/博士生生导师，哈尔滨工业大学计算学部。先后主持国家重点研发计划项目（课题)、国家自然科学基金、中国博士后科学基金特别资助、中国博士后科学基金面上资助一等资助、黑龙江省面上基金、教育部协同育人项目多项基金项目。获黑龙江省科学技术一等奖，哈尔滨市科技成果，第六届全国青年人工智能创新创业大会一等奖。近年来以第一作者或通讯作者发表 CCFA/B 类论文20余篇，包括 TKDE、TOIS、KAIS、IJCAI、ACL 等知名学术刊物或会议上，英文译著一部。担任 NLPCC2020、CCKS2020 知识图谱领域主席，CCKS2019 出版主席、CCKS2021 评测主席、CCKS2022 讲习班主席和 CCKS2023 程序委员会主席。

工业主席：王士进 科大讯飞 AI研究院 常务副院长

个人介绍：王士进博士，科大讯飞研究院常务副院长、认知智能国家重点实验室副主任。他带领团队陆续开展了自然语言处理、智慧教育、人机交互等技术方向研究，取得一系列国际领先的研究成果，获得30余项国际比赛冠军，在 TASLP、AAAI、ACL、KDD、SIGIR 等人工智能领域国际顶级期刊和会议上发表论文50余篇，申请了专利80余项，同时还承担了国家重点研发计划、863、973等多项国家重点研发计划工作，获安徽省科技进步一等奖、吴文俊人工智能科技进步奖一等奖等奖项。

专家评审团

洪春涛 蚂蚁集团 图数据库负责人

个人介绍：洪春涛博士于2011年毕业于清华大学计算机系，主要从事并行计算和高性能计算研究；后加入微软亚洲研究院从事分布式系统和大规模机器学习研究；2016年联合创建了北京费马科技有限公司，研发了TuGraph图数据库；2020年加入蚂蚁集团，目前主持蚂蚁图数据库研发。

彭卫华 华为终端 智能决策首席专家

个人介绍：曾在百度、阿里、腾讯等互联网企业工作，长期从事搜索、推荐、自然语言处理、知识图谱等研究工作，在ACL、EMNLP、COLING、KBS等知名学术会议&期刊发表论文20余篇，有着十余年的工业界实战经验。

王昊奋 同济大学 百人计划、特聘研究员、博士生导师

个人介绍：王昊奋，同济大学百人计划，特聘研究员，博士生导师。长期在一线人工智能公司担任CTO之职。他是全球最大的中文开放知识图谱联盟OpenKG发起人之一。他负责参与多项国家级AI相关项目，发表100余篇AI领域高水平论文，被引用次数达到2600余次，H-index达到23。他构建了全球首个可交互养成的虚拟偶像―“琥珀・虚颜”；所构建的智能客服机器人已累计服务用户超过10亿人次。目前，他担任中国计算机学会术语工委副主任，SIGKG主席，上海秘书长，中国中文信息学会理事，语言与知识计算专委会副秘书长，上海市计算机学会自然语言处理专委会副主任，上海交通大学AI校友会秘书长等社会职位。

详细介绍

① 统一知识表示与复杂推理

知识是一个理解世界的窗口，很多结构化和非结构化的内容都被收集到知识图谱中，形成知识库。本论坛的主旨是探索如何表示复杂的知识，理解其中的逻辑关系，并且基于知识图谱进行复杂推理，其中复杂推理是此次论坛的重点探索方向。我们很荣幸邀请了顶级学府和企业的学者们来分享几个方面的研究工作：1) 知识图谱表征学习和复杂推理；2) 图神经网络在知识图谱领域的最新进展；3) 知识图谱和自然语言模型的融合。通过分享，我们将会收获最新的基于知识图谱进行复杂推理的方法，包括因果推理，基于神经符号的离散推理，多跳推理等，同时了解到最前沿的图神经网络设计，包括子图学习，隐式图神经网络设计等。

出品人：商超 Amazon 应用科学家

个人介绍：商超，现就职于 Amazon，担任应用科学家，之前就职于京东硅谷研究院。他的研究主要集中在图神经网络和自然语言处理，近期致力于知识图谱表征学习和基于知识图谱的问答系统设计等相关研究。

孟媛 清华大学 博士后

孟媛，清华大学计算机系博士后，主要研究方向为因果发现，泛化推理，系统运维诊断等，在INFOCOM，USENIX ATC，TON等国内外顶级会议及期刊发表论文11篇。

演讲题目：浅谈知识图谱的关联视角和因果视角

演讲提纲：As a structured semantic knowledge base, the current knowledge graph is often used to represent the "correlation" relationship between entities in the physical world. Many studies focus on the completion of missing facts of the knowledge graph, which is treated as a collection of facts in applications. How to adchatgption to fact reasoning is an important fundamental problem for in-depth analysis and utilization of knowledge graph. This talk will introduce the perspective of "chatgpt" based on the knowledge graph's correlation expression, prochatgpt the correlation relationship among entities by discochatgptionship and pattern at the conceptual layer of the knowledge graph, and achiechatgptnt reasoning for unknown enchatgptntities.

鲍军威 京东科技 算法科学家

个人介绍：鲍军威，哈尔滨工业大学博士学位，13年NLP从业经验，2011-2018于微软亚洲研究院联培，2019-至今作为算法科学家就职于京东科技。主要研究方向为自然语言处理，对话问答，文本生成、预训练语言模型等，曾获多项对话问答Leaderboard第一名，已发表论文20余篇。曾参与微软小冰、Bing的知识问答系统研发，主持京东商品自动营销文案写作项目研发，参与京东零售、京东金融智能客服相关系统研发，目前主要从事基于言犀平台的京东自研大模型的研发。

演讲题目：基于知识的神经符号结合的离散推理研究

演讲提纲：在需要推理的问答领域，传统基于符号的语*析式离散推理方法具有更好的可解释性，而近几年的基于神经网络的端到端式离散推理方法在性能上取得更好的成绩。因此，如何将神经符号两类方法结合，研究具有可解释且高性能的离散推理能力的问答系统成为本领域的一大研究方向。本演讲主要介绍我们在基于无结构化文本知识、文本与结构化表格混合知识的离散推理型问答研究方面的工作，包括引入离散操作来提高神经网络方法性能、基于神经网络预测可执行的逻辑表达式等方法，引导大家持续推动基于知识的神经符号结合的离散推理研究。

听众收益：

1. 如何引入符号化的离散操作来提高神经网络的推理性能？

2. 基于神经网络生成逻辑表达式的性能到底如何？

3. 基于大模型的零样本/少样本推理现状如何？

杨栋 OPPO研究院 高级研究员

个人介绍：杨栋，OPPO研究院语音语义部融智Lab高级算法研究员。他毕业于香港城市大学博士，现在主要研究方向是自然语言处理，图学习网络，预训练模型，网络研究和应用，致力于使用简单方法解决复杂的实际问题。近期，他主责部门知识增强预训练模型和知识图谱多跳逻辑推理等算法开发。主导构建预训练模型CHAOS, 登顶CLUE 三大榜单。在知识图谱多跳推理上，提出GammaE 模型，论文被EMNLP2022 会议Oral Presentation 录取。

演讲题目：知识图谱和自然语言处理

演讲提纲：杨栋，OPPO 研究院语音语义部融智 Lab 高级算法研究员。他毕业于香港城市大学博士，现在主要研究方向是自然语言处理，图学习网络，预训练模型，网络研究和应用，致力于使用简单方法解决复杂的实际问题。近期，他主责部门知识增强预训练模型和知识图谱多跳逻辑推理等算法开发。主导构建预训练模型 CHAOS, 登顶 CLUE 三大榜单。在知识图谱多跳推理上，提出 GammaE 模型，论文被EMNLP2022 会议Oral Presentation 录取。

听众收益：

1. 介绍预训练大模型 CHAOS

2. 介绍知识图谱逻辑推荐

张永祺 第四范式 算法科学家

个人介绍：张永祺博士于2020年加入第四范式科学技术部，现担任算法科学家，负责机器学习和知识图谱相关的研究工作。工作期间他开展了多个知识图谱学习相关工作，在链接预测、实体对齐等任务基线上达到国际领先水平，取得大规模生物知识图谱预测任务ogbl-biokg第一名的成绩，并以第一作者在TPAMI, chatgpt，NeurIPS, WWW, ACL, ICDE等人工智能领域顶级会议期刊发表近10篇高水平论文。他于2020年在香港科技大学获得博士学位，2015年在上海交通大学获得学士学位。

演讲题目：基于图神经网络的知识图谱推理

演讲提纲：知识图谱作为一种特殊的结构化数据，启发了如搜广推医疗金融等诸多领域下游应用，对数据挖掘和机器学习具有重要意义。近年来，随着图神经网络（GNN）的发展，越来越多的GNN应用于知识图谱推理场景，获得了出色的推理效果。本次分享从信息聚合到子图学习两代技术的角度，介绍GNN在知识图谱推理领域的发展和重要工作，展示当前GNN+KG的重要应用场景，对当前子图学习技术优势及其瓶颈进行讨论。

听众收益：

1. 知识图谱上的图神经网络建模有何特殊之处？

2. 知识图谱推理有哪些重要应用？

3. 图神经网络知识推理的难点在哪？

刘俊成 新加坡国立大学 博士研究生

个人介绍：新加坡国立大学博士研究生，研究方向为图神经网络，文章发表于NeurIPS, WWW, KDD, AAAI, VLDB等顶会。

演讲题目：隐式图神经网络的介绍与进展

演讲提纲：本次演讲主要介绍隐式图神经网络，以及目前的进展。包含两篇NeurIPS的论文具体介绍。

听众收益：

1. 什么是隐式图神经网络？

2. 图神经网络如何获取长距离依赖？

3. 现有隐式图神经网络的缺陷是什么？

识别二维码，免费报名，预约本论坛直播

② 大规模知识图谱构建与更新论坛

知识图谱技术门槛高、构建成本大、投产周期长一直是知识图谱应用所面临的难题，随着AIGC和LLM相关技术的突破，为知识图谱的建模、抽取、补全和融合等步骤均提供了有效支撑，将进一步推动知识图谱的高速应用。本次论坛特别邀请了来自电商、金融和传媒领域的专家，详细讲述相应领域中知识图谱从构建、更新到运营、应用的全流程；同时还邀请了国内最早专注于研究知识管理的专家，讲述知识图谱驱动的新一代知识管理。通过本次论坛，听众可详细了解知识图谱在不同行业中是如何有效地构建、应用与赋能的，以及大规模知识图谱相关技术是如何带来知识管理的自动化与智能化升级的。

出品人：胡芳槐 PlantData CTO

个人介绍：博士，PlantData CTO。10年知识图谱研究及产业化经验，数个国家级项目骨干成员，ISWC、CCKS2017等国际会议、顶级期刊发表多篇论文及实战报告，知识图谱全生命周期理论提出者。国内最早研究中文知识图谱构建并进行产业化探索，于2012年谷歌提出知识图谱概念之前即发布了基于中文百科的通用知识图谱（SSCO）；多次受邀参与行业顶级交流报告，于CCKS2017知识图谱实战报告，首次提出了行业知识图谱的生命周期并逐步成为业界的标准，迭代研发了适用于千亿级别三元组存储以上的知识图谱数据存储套件，设计了面向企业级复杂数据场景的统一知识表示方法。现任PlantData CTO，已与中国电科、中航工业、国家电网、华为、招商证券、中国银行、中信建投等数家行业标杆企业达成合作。

张亦弛 Shopee，Listing Intelligence Leader

个人介绍：张亦弛，现任电商平台 Shopee Listing Intelligence?商品算法负责人，服务全球十余个市场的商品智能化识别，工作研究方向为电商领域知识图谱构建、自然语言处理和多模态技术在电商业务中的应用等。毕业于伦敦大学，学术论文曾发表在 BMVC / EMNLP / WSDM / CVPR 等国内外会议和期刊，出版专著一部。

演讲题目：Shopee 多语言商品知识图谱技术构建方法和应用

演讲提纲：

1. 商品知识图谱简介：电商商品知识图谱概要和应用场景（ToB&ToC）

2. Shopee 商品知识图谱的构建：Shopee 商品知识图谱构建技术，包括知识建模技术、知识获取技术、知识融合技术和知识推理技术等。通过自动化的实体挖掘、实体抽取、实体链接等，实现了在全球十多个多语言市场真实商品语料上的技术沉淀，并通过这些技术首次在工业界搭建和实现了整个市场全自动化标准产品库(SPU)的数据生产和应用。

3. Shopee 商品知识图谱的应用：Shopee 电商知识图谱生产的标准产品库(SPU)，重点应用在比价营销会场，其应用场景还涉及商家系统、运营系统以及面向消费系统的智能化。

4. 商品知识图谱的未来：随着 Shopee 海外市场的深耕，精细化地提升知识图谱技术在各个市场和混合语言环境下的识别水平，不断通过新技术突破业界识别水平的天花板，让 Shopee 的商品系统更加智能，商家的全球化经营更加便捷，消费者购买体验更佳。

听众收益：

1. 了解到商品知识图谱技术在全球多语言市场应用的实际经验；

2. 了解到商品知识图谱技术在工业界应用的挑战和难点；

3. 了解到如何管理技术项目打造知识图谱技术，服务于自己的业务应用。

夏敬华 PlantData 海V知 CKO

个人介绍：同济大学博士后，海V知CKO，中国知识管理主要倡导和推动者，中国知识管理国家标准主要参与制订者，在知识管理、知识图谱、人工智能应用等方面具有丰富经验，曾为数百家企业提供企业数智化转型培训、咨询和系统实施落地。

演讲题目：基于知识图谱的数字化知识管理新实践

演讲提纲：数字化转型浪潮下，组织知识同样需要数字化转型，传统知识管理存在“重沉淀、轻应用”、“多人工、少智能”等问题，难以满足数字化时代的知识管理要求。基于知识图谱的数字化知识管理，不仅实现知识采集、加工、存储、共享等过程的智能化支撑，更将知识和业务、岗位、用户行为特征等有效关联，构建场景驱动的知识应用，可以显著提升知识业务粘性、加深知识应用深度、增强知识服务能力。

徐德华 翼支付 风险管理部总监

个人介绍：翼支付风险管理部总监，模型团队负责人，负责支付、电商、金融、通讯反诈等风控模型体系建设。

演讲题目：知识图谱和图计算在翼支付风控的应用

演讲提纲：

1. 图谱简介

2. 翼支付风控知识图谱“云篆”简介

3. 图计算在风控业务中的应用

张涛 英大传媒 编审

个人介绍：全国新闻出版行业领军人才。长期从事电力图书策划出版工作，探索传统出版数字化转型。7次获得中国出版政府奖图书提名奖、国家出版基金等国家级奖项，主持数字平台获得3项国家奖项和荣誉，15次获得全国优秀畅销图书奖、中国电机工程学会科普作品奖等省部级奖励。

演讲题目：电力行业知识资源建设及场景化应用

演讲提纲：结合电力行业知识资源类型和应用场景，利用知识图谱技术，实现多源数据的融合和关联，为个人成果汇总、岗位培训、知识学习、信息情报收集等应用场景提供支撑和共享平台。

识别二维码，免费报名，预约本论坛直播

③ 海量知识存储与计算论坛

随着知识图谱在各行各业越来越普及，场景复杂性和数据规模在近年来呈爆炸式增长。与其同时，数据的存储和计算也成为系统设计的巨大挑战。本分论坛基于“海量知识存储与计算”的主题，邀请了国内外走在知识图谱领域前沿的企业负责人，对图技术进行了深入的探讨。本论坛的话题侧重与技术分享，从图存储开始，介绍一个优秀的图存储的考量和实践；接着介绍图查询语言，讨论了在金融实践中会碰到的问题及解决方法；然后给出了在目前图标准并未完全普及的情况下，一些实用的上手要点；最后是一个万亿级金融知识图谱的数据管理平台技术分享。

出品人：林恒 蚂蚁集团 图数据库开源负责人

个人介绍：2016年联合创立费马科技，主要负责图计算架构与解决方案；2018年10月于清华大学获得博士学位，研究方向为超大规模异构图计算；2020年12月起加入蚂蚁集团，目前负责 TuGraph 开源图数据库。

周研 创邻科技 CTO

个人介绍：浙江创邻科技有限公司联合创始人。分布式数据处理领域技术专家、Apache 开源项目贡献者、图数据库和图计算领域专家、Galaxybase 图数据库产品研发负责人。

演讲题目：基于图数据库的知识图谱存储技术及实践

演讲提纲：

1. RDF 和属性图

2. 图数据库存储的核心目标

3. 图数据库存储的主流方案

4. Galaxybase 图数据库应用实践

听众收益：

1. 图数据库和关系型数据库存储的本质区别是什么？

2. 常见图数据库存储技术方案有哪些？

彭志伟 蚂蚁集团 技术专家

个人介绍：蚂蚁图计算GeaFlow DSL方向负责人，Apache Calcite/Hudi Commiter,多年实时计算和分布式SQL引擎研发经验，目前专注图计算

gpt-4有哪些提升 gpt4增强了哪些

gpt4有必要买吗,gpt4有什么用,gpt4有哪些功能,gpt4有多强大

现在，不止应该关注chatgpt-4，更应该关注的是，chatgpt-4带来的AI浪潮，会对各个行业有多大的影响。

据我们了解，很多顶尖院校的MBA学院都对这一趋势表现了强烈的关注，今年的MBA考试中，很有可能会出现相关的考点，请有相关报考计划的同学们留意。

我们牵星社群的2024届社员，对此也做了讨论，他们来自各行各业，从不同的切入点解析了AI的影响。

以下观点来自牵星社员，由牵星学长整理。

教育行业：教育行业目前火热的IP模式将受到挑战，变现不再集中在某些大的MCN手里，人人可为IP。抖音里的懂流量玩法的大知识IP生命周期将快速缩短。

汽车行业：自动驾驶这一块会走得很快。要多关注的一点是，AI对消费者心智会有很大的刺激，消费者会提高对自动驾驶人机交互智能化体验的要求。此外，目前自动驾驶落地的主要矛盾仍然是法律法规的定责，以及行业内部没有成熟且闭环的商业模式。

城乡规划：城乡规划的行业本质是一种综合决策，决策的依据既有定量分析也有定性分析，其中定性分析AI暂时无法替代人的作用，而定量分析在AI的协助下将有很大的提升，城乡规划的决策依据将进一步提高精准度，但也可以预见，基层基础数据搜集整理与初步分析的行业人员将面临更剧烈的行业竞争问题。

传统制造业：AI对于传统制造业的影响会是比较大的，目前AI与传统制造业的联系更多的体现在产品的优化升级上，但也会随之淘汰某些制造部门，同时替代一些产品的功能。随着人工智能的发展，人工智能及支持其技术的相关产业和衍生服务也会形成一个新的产业体系，同样也会给制造业带来一些新的助力点。

电子制造业：AI对于电子制造业来说助力也很大，会促使行业从传统制造进入智能制造。随着各种机器设备替代人工逐步实现全自动化生产，AI会实现生产各流程的数据收集分析，会串联从客户端到供应商端信息的实时共享，可以促使从计划生产到CTO定制化生产等……目前电子制造业也正处于这样的一个过渡阶段。

化工行业：对于工业试剂研发会非常有帮助。在配方研发及试验过程中，会产生大量的试验数据，且环境变量非常多，目前我们公司对历史数据的分析还没找到很好的数学模型。AI的进步应该可以替代这部分研发工作。

医疗行业：用于医疗教育与培训，丰富实感，节约实操培训项目资金和资源耗损；用于医院品牌建设和科普，方便专业人士低成本生成有质量的内容，非专业人士更便利的获取医疗知识和信息。还有，我很期待医疗版chatgpt的出现。

物流行业：PGC和UGC快速过度到AIGC意味着AI的快速发展会迭代掉传统的发展模式。从货运代理市场行业来看，AI的发展会帮助传统海运公司提高班轮准班率及装载率，以及可以优化最后一公里的分拣及派送。从客户角度看，对国际货物运输的可视化及对运输时效要求会大大提升，那行业的竞争也会趋向于利用AI提高时效。

期货行业：对于期货行业来说，AI的普及可以帮助总部开户岗以及各分支机构的的自然人开户工作，法人线下开户难度较大。同时各期货公司开发自己的客户端APP，使客户在APP上即可申请开户或销户。这对于账号申请和注销会有很大的帮助，减少了繁琐的流程。

金融行业：对于新型金融信息平台来说，AI的普及可以更好的帮助研发人工智能，帮助我们研发的智慧客服与智慧顾问、也就是网络机器人的发展，更加推动了经济生产模式，使客服更清晰的了解自己的投资以及资产配置去向等。

汽配行业：AI的成熟与应用将加速两化融合，提升智能制造效率效果。在橡胶轮胎制造行业，通过应用AI技术对多批次、多品类订单科学排产，出入库精准管理，提升周转速度；跟踪生产环节，质量管理动态化。精益生产效果显著提升，将推动轮胎行业新一轮降本。

广告行业：AICG对广告行业的影响比较大，但暂时还没法替代创意构思，尤其在原创内容方面还没法超越人类。由于每个人都有自己的思维局限以及信息获取的边界，因此，我相信人工智能技术在未来能够帮助广告公司的策划团队更准确地分析产品以及目标客群，配合创意团队发掘新奇的切入点，成为辅助创作的最佳拍档。

大数据行业：大数据与人工智能的发展一直密不可分，人工智能想要发展更加的全面，做到更加的拟人化、智能化，就需要有效利用大数据技术，通过对海量的数据进行有效的收集、分析和处理，这为人工智能提供了多样化的学习样本。

牵星舵手MBA社群究竟是一个什么样的组织？

哈哈，我们不神秘，但我们很特别！我们是一个专业的MBA面试陪练和以商学院老师和名校MBA聚集的MBA人社群，坚持利用【MBA思维】来帮助拔高MBA面试能力水平。985MBA名校面试通过率达到87.5%。【MBA人传帮带互助】的社群文化从17年开始吸引了超过5000位社员加入我们，他们以申请清华、北大、上交、复旦、中大、浙大等TOP20 MBA为主。

《迈向MBA》公益计划，进MBA圈子，做MBA面霸：3天MBA面霸线上体验营

如果你不知道MBA是否适合你，可以寻求社群的学长帮忙：点击找名校MBA学长聊聊

如果你不清楚适合考什么MBA学校，点击这个择校数据模型：你与MBA选校之间只差一个测评！