报告简介

知识图谱以结构化的形式描述现实世界中实体间的复杂关系，是推动人工智能学科与智能信息服务产业发展的重要基础。如何实现对知识图谱中实体与关系的有效表示，对知识图谱的应用至关重要。最近以分布式表示为理论基础的知识表示取得重大进展，在信息抽取、关系推理等领域取得了重要进展。该报告将介绍知识表示学习的最新研究进展，总结该技术面临的主要挑战，并展望大规模知识图谱表示学习的研究趋势。

讲者介绍

刘知远，清华大学计算机科学与技术系助理研究员，主要研究领域为表示学习、语义分析与社会计算。2011年7月获得清华大学工学博士学位，博士学位论文获清华大学优秀博士学位论文奖、中国人工智能学会优秀博士学位论文奖，曾获清华大学优秀博士后，CCF-Intel 青年学者提升计划资助。作为项目骨干参与多项国家自然科学基金和863项目，在ACM Transactions、IJCAI、AAAI、ACL、EMNLP、COLING等自然语言处理领域著名学术期刊和会议上发表论文十余篇。组织开发的“微博关键词”等社会媒体应用，注册用户已超过350万。曾多次担任ACL、EMNLP等国际会议的程序委员会委员。