图谱动态｜学苑周刊 NO.196

—--| 行业动态 |--—

欧洲山区价值知识图谱

联合国预测，到 2050 年，全球人口分布农村人口预计将减少。这种下降将特别挑战山区的文化遗产、经济可持续性等。了解农村人口下降对经济、环境和社会的影响尤为重要，因为山区是供应农产品的关键。

发表在nature上的论文《A Semantic Knowledge Graph of European Mountain Value Chains》描述了一个地理空间明确的语义知识图谱，其中包含有关 454 条欧洲山区价值链的信息。这是第一个关于山区价值链的大型结构化信息集合。图谱通过基于本体的语义建模构建，以叙述的形式提供价值链的表示。该图谱是根据山区专家学者提供的非结构化数据半自动构建的。它可以通过公共存储库访问，并可通过交互式故事地图和语义 Web 服务进行探索。通过语义查询，其证明该图谱允许探索领土复杂性并发现有关山区环境、社会、领土和经济方面的新知识，这些知识可能有助于遏制人口减少。

https://t.hk.uy/bGWV

知识图谱+通识教育

新学期，北京市属公办高校近5万名大一新生将通过线上线下结合的方式开展人工智能通识课的系统学习。课程开发团队充分运用大模型、AI数字人、知识图谱等核心技术，为市属高校统一构建了线上线下一体化的教学实训环境。根据教学安排，教师可以通过逐步解锁课程的方式引导学生学习，也可以让学生基于知识图谱生成个性化学习路径，进行自适应学习；教师可以在这一过程中及时掌握学生的学习进度和知识薄弱点，开展更全面的学习指导，让教学更精准。

https://sourl.cn/mcMwki

—--| 会议讲座 |--—

NESY 2024

由符号学习与推理协会主办的18届神经符号推理与学习国际会议Nesy2024 将于2024.9.9 -2024.9.12日在巴塞罗那举行，主要探讨集成基于知识表示与推理的神经网络与统计机器学习的神经符号人工智能技术。本次大会邀请了来自里斯本大学、达姆施塔特工业大学、阿姆斯特大学等学者共同探讨达神经符号人工智能相关技术与挑战。本次会议全程在线直播，感兴趣可以在线参与。

详情请访问：

https://sites.google.com/view/nesy2024

CBIoT 2024

CBIoT 2024（ 第五届云、大数据和物联网国际会议）将于2024年9月28日-29日在加拿大多伦多举行。CBIoT 2024 将成为展示云、大数据和物联网领域创新思想、方法、发展和研究项目的主要论坛。它还将有助于促进研究人员和行业专业人士之间的信息交流，以讨论云、大数据和物联网领域的最新问题和进展。

详情请访问：

https://www.itcse2024.org/

—--| 论文推荐 |--—

ETC: temporal GNN training

本周推荐的VLDB 2024上的论文：ETC: Efficient Training of Temporal Graph Neural Networks over Large-scale Dynamic Graphs，提出了一个名为ETC的通用框架，通过改进的数据批处理方案和数据访问策略，有效提升了大规模动态图上时间图神经网络（T-GNNs）的训练效率。作者来自香港科技大学、上海交通大学和北京邮电大学。

动态图在诸如社交媒体和电子商务平台上的链接预测和节点分类等多种实际应用中起着至关重要的作用。时间图神经网络（T-GNNs）已经成为处理动态图的主要方法，通过时间消息传递来计算时间节点嵌入。然而，现有的T-GNNs在大规模动态图上的训练成本极其昂贵，这是由于不合适的批处理方案和大量的数据访问开销造成的。该文介绍了一种名为ETC的通用框架，专为大规模高效T-GNN训练而设计。ETC结合了一种新颖的数据批处理方案，可以生成更大的训练批次，提高模型计算效率，同时通过限制每个训练批次中的信息损失来保持模型的有效性。为了减少数据访问开销，ETC采用了一个三步数据访问策略，该策略利用了T-GNN训练中的数据访问模式，显著减少了冗余数据访问量。此外，ETC还使用了一个跨批次流水线机制，将数据访问与模型计算解耦，进一步降低了数据访问成本。广泛的实验结果证明了ETC的有效性，展示了其在真实世界包含数百万次交互的动态图上的训练速度显著快于最先进的T-GNN训练框架，提供了1.6倍到62.4倍不等的训练速度提升，显示出其在大规模动态图上高效训练的潜力。

该文源代码、数据和其他材料已在https://github.com/eddiegaoo/ETC上提供，感兴趣的读者可以关注。