暂无图片
暂无图片
1
暂无图片
暂无图片
暂无图片

图谱动态|学苑周刊 NO.161

图谱学苑 2023-11-21
162
本期将分享近期全球知识图谱相关

行业动态、会议课程、论文推荐

—--| 新闻动态 |--—

知识图谱+语义技术


数据和知识图谱技术提供商 Ontotext 与数据治理和语义软件工具提供商TopQuadrant宣布建立合作伙伴关系。Ontotext 和 TopQuadrant 合作优势体现在前端和后端系统的新组合,可实现四种创新的企业语义解决方案:

1. 大型数据集的可伸缩性和性能: 通过其RDF数据库,语义数据产品可以扩展处理主数据管理和企业数据质量和验证工作。

2. 政策执行和自动化:TopQuadrant帮助客户灵活、合规地使用他们的数据。

3. 制药研发语义解决方案:使数据模型能够更好地捕获数据并提高数据质量,增强协作和效率,自动化监管报告为药物发现提供新的见解。

4. 语义数据目录:主动元数据管理的创新语义方法可以协调整个组织中的数据,将组织中驻留的各种元数据存储库统一起来。使用不同类型的人工智能(包括LLMS),语义数据目录主动填充元数据,最终使数据更具互操作性和可重用性。

来源:https://sourl.cn/pTKnfU

PostgreSQL扩展图数据库功能

  

近日,AGEDBA开展网络研讨会,活动名为“使用 PostgreSQL 和 Apache AGE 来提升您的数据基础设施和解决方案”,研讨会上介绍了PostgreSQL通过Apache AGE与图数据库匹配。

Apache AGE 在2022年被 Apache软件基金会提升为一个顶级项目,它是一个 PostgreSQL 扩展,提供了图数据库功能。AGEDB 成立于2022年,主要致力于开发和交付数据库管理系统(DBMS)软件和技术,它提供了包含关系数据库和图数据库的混合功能。


来源:https://sourl.cn/BarQW3

—--| 会议讲座 |--—

2023 CCF中国软件大会

      

2023年CCF中国软件大会(CCF ChinaSoft 2023)由中国计算机学会(CCF)主办,CCF软件工程专委会、系统软件专委会、形式化方法专委会以及复旦大学承办,将于2023年12月1-3日在上海国际会议中心举行。本次大会的主题是“智能化软件创新推动数字经济与社会发展”。大会将组织特邀报告、院士论坛、NASAC青年创新奖论坛、顶会顶刊论坛、优秀博士生论坛、优秀青年学者论坛以及论文专刊论坛、工业论坛、教育论坛、学科竞赛等40余场各类活动,欢迎全国各地高校、企业、研究机构、政府部门以及各界的学者、专家、专业人员和学生参会。

详情请访问:https://sourl.cn/HQSGpz
RLChina 2023
       
由中国计算机学会 (CCF) 与 RLChina 强化学习社区联合主办的 RLChina 2023 大会计划于 11 月 24 - 26 日在苏州 CCF 业务总部隆重召开。近年来,大型语言模型与智能体的紧密结合逐渐成为人工智能领域的新研究热点和应用焦点。此次大会旨在邀请来自国内外的智能体 (AI Agent) 研究领军人物,共同探讨智能体学习的前沿理论、大模型在智能体领域的应用、智能体的结构设计、思维链路、决策机制、价值对齐以及多智能体之间的博弈与合作等诸多核心议题。希望通过这次大会,进一步推动智能体技术的研发与应用,为人工智能的未来发展注入更多创新活力。

详情请访问:http://rlchina.org/rlchina_2023/


—--| 论文推荐 |--—

GNN

本周推荐的是发表于TNNLS 2020上的综述:A Comprehensive Survey on Graph Neural Networks,对图数据上的深度学习方法进行综述,作者来自IEEE。

该文对图神经网络(Graph Neural Networks, GNN)领域的state-of-the-art进行综述,该文中的GNN指在图数据上的深度学习方法。该文将GNN工作分成四类,recurrent GNN、convolutional GNNs,、graph autoencoders和spatial–temporal GNNs;对于每类GNN,都对典型模型进行详细的描述,进行必要的比较并总结对应算法;该文还对开源代码、基准测试数据集和应用进行了总结。 

深度学习领域处理的数据通常可以在欧式空间中表示,然而越来越多的应用中数据是用图表示的,图数据属于非欧空间,图数据的复杂性对现有机器学习算法带来挑战。比如,图的顶点是无序的,且每个顶点的邻居数目不是固定的,这使得一些在图像领域很容易计算的重要操作(比如卷积操作)在图数据上不能简单应用;另外,现有机器学习算法的一个核心假设是每条训练数据(instance)是相互独立的,这个假设在图数据中不成立,因为不同的instance(顶点)间可能有边相连。

该文链接:https://ieeexplore.ieee.org/abstract/document/9046288,感兴趣的读者可以关注。




更多链接


对话北大邹磊:要以发展的眼光看图数据库的挑战和机遇
gBuilder正式开启公测
图数据库 gStore 1.0 版本正式发布
知识图谱成为中国领先金融科技公司的第四大首选技术

内容:胡喆媛、袁知秋、唐静、王图图





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



免责声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

欢迎关注北京大学王选计算机研究所数据管理实验室微信公众号“图谱学苑“
实验室官网:https://mod.wict.pku.edu.cn/
微信社区群:请回复“社区”获取

实验室开源产品图数据库gStore:
gStore官网:http://www.gstore.cn/
GitHub:https://github.com/pkumod/gStore
Gitee:https://gitee.com/PKUMOD/gStore





文章转载自图谱学苑,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论