图谱动态｜学苑周刊 NO.169

图谱学苑 2024-01-23

191

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 |--—

Franz Inc. 推出 AllegroGraph Cloud：神经符号 AI 知识图谱托管服务

AllegroGraph v8 是一个开创性的神经符号 AI 平台，将大型语言模型（LLM）组件直接整合到 SPARQL 中，以及向量生成和向量存储，以实现全面的 AI 知识图谱解决方案。AllegroGraph v8 重新定义了知识图谱的创建方式，并扩展了 AI 在市场上最安全的三元组数据库中实现的目标。

https://sourl.cn/PdVSJq

中医药+知识图谱

多家高校和科研机构联合研发的“数智岐黄”中医药大模型，于1月19日发布。值得一提的是，这个中医药大模型无论中医还是西医的“智库”均拥有130亿以上参数，在同类大模型中堪称最大规模。“数智岐黄”中医药大模型装下海量知识库，数据基础以《黄帝内经》《伤寒杂病论》等著名中医典籍及1000多本古籍和中医药文献为核心，形成高质量的中药知识图谱，涵盖超过9000种中药材、超过4万种中药成分、超过1.8万种靶点、超过2000种疾病等，基于这些结构化及非结构化数据构建起1000万个节点及3.2亿个关系对。

https://sourl.cn/DmYDuq

—--| 会议讲座 |--—

Dagstuhl Seminar——Are Knowledge Graphs Ready for the Real World? Challenges and Perspective

研讨会将在2024年2月4日 - 2024年2月9日于德国瓦德恩达格施图尔城堡举行。

研讨会的主要目的是汇集来自学术界和工业界的跨学科研究人员，他们热衷于讨论基础、概念和实现，为下一代知识图谱在现实世界中的应用铺平道路。这些研究主题的独特组合应该会产生有待进一步研究的突破性想法。具体来说，研讨会旨在解决以下研究问题：

Q1）现实世界中建模、表示、存储和管理知识图谱的编程语言范式的关键要求是什么？

Q2) 在知识图谱管理的背景下，可持续性是如何实现的？它在数据集成、管理和探索可追溯和可持续管道方面的主要好处是什么？

Q3）为了确保大型 KG 的可扩展性，数据管理和查询处理方面的关键要求是什么？

Q4）细粒度知识表示（例如个性化知识图谱）与数据隐私和访问控制法规的执行之间有哪些权衡？

主办方的目标是使本次研讨会成为该领域有影响力的活动。特别是，目的是利用研讨会的见解和结果来设计一个路线图，塑造智能框架的未来，使知识图谱适用于现实世界。传播计划包括 1) 总结研讨会结论的报告，例如作为 ACM SIGMOD Record 中的报告，以及 2) 在顶级期刊上发表描述框架路线图的立场文件。

详情请访问：

https://www.dagstuhl.de/24061

—--| 论文推荐 |--—

Graph Sparsification

本周推荐的是发表于VLDB 2023的综述：Demystifying Graph Sparsification Algorithms in Graph Properties Preservation，该文对图稀疏化算法进行综述，作者来自密歇根大学。

图稀疏化（Graph Sparsification）通过顶点和/或边的子集的稀疏图来近似给定图。有效的稀疏化算法的目标是保持与下游任务相关的特定图属性，同时最小化图的大小。由于不规则性和大的真实世界图尺寸，图算法经常需要较长的执行时间。通过用更小的稀疏化图替换完整图，可以大大减少图算法的运行时间，而不会显著降低输出质量。然而，众多稀疏化器（sparsifiers）和图属性之间的相互作用并没有得到广泛的探索，图稀疏化的潜力也没有得到充分的理解。该文涵盖了16个广泛使用的图度量、12个代表性的图稀疏化算法和14个跨各种类别的真实世界数据图。该文综述的sparsifiers如下表所示。

该文提出了一个框架来针对图度量评估稀疏化算法的性能，并进行了全面的实验研究，评估稀疏化算法在保持图度量方面的性能。该论文链接https://www.vldb.org/pvldb/vol17/p427-chen.pdf，代码链接https://github.com/yuhanchan/sparsification，感兴趣的读者可以关注。