本期将分享近期全球知识图谱相关
行业动态、近期会议、论文推荐
知识图谱+企业协同
图谱技术+国防
Dagstuhl 研讨会

https://www.dagstuhl.de/25171
2025年首届中国图机器学习会议
在这个数据爆炸、万物互联的时代,图数据作为表达复杂关系与结构的天然载体,其重要性日益凸显。以图神经网络(GNN)为代表的图机器学习技术,正在重构AI的认知逻辑。该技术既推动学术创新,也加速工业落地,在社交网络、金融风控、城市计算、生物医药及科学发现(AI4Science)等领域都展现出了巨大的研究与应用价值。在图数据复杂性增长与场景精准化需求的双重驱动下,图机器学习正不断突破技术边界,构建智能系统的新型范式。在此背景下,经中国计算机学会批准,人工智能与模式识别专业委员会于2024年11月成立了图机器学习学组。该学组将于2025年6月7日-8日,在北京京仪大酒店举办“CCF-AI图机器学习学组成立大会暨2025年中国图机器学习会议”,旨在搭建高水平的学术交流平台,汇聚国内外顶尖学者和专家,共同探讨图机器学习及相关领域的最新进展、挑战与机遇,促进学术思想的碰撞与融合,推动理论创新和技术突破。

https://ccf.org.cn/CGML2025
本周推荐的是arxiv 2025.1上的论文:OpenMLDB: A Real-Time Relational Data Feature Computation System for Online ML

机器学习应用越来越多地部署在实时环境中,模型需要根据最新的数据进行预测。在这些在线机器学习场景中,特征计算(将原始数据转换为模型使用的数值特征的过程)必须在离线训练和在线服务之间保持快速和一致。然而,现有系统在实时环境中有效处理特征计算所需的复杂关系数据操作方面存在困难。

图 1:产品推荐的示例 ML 特征以及 OpenMLDB 特征计算的范式转变。左图显示了当前需要单独工具和大量验证工作流程,而右图显示了 OpenMLDB 的统一方法。
OpenMLDB 通过提供一个用于离线和在线特征计算的统一系统来解决这一挑战。如图 1 所示,传统方法需要不同的团队开发和维护用于离线训练和在线服务的不同系统,从而导致需要大量验证的不一致。OpenMLDB 的统一方法消除了这种重复工作,并确保了训练和服务阶段之间的一致性。
论文、讨论和代码链接:https://www.alphaxiv.org/overview/2501.08591,感兴趣的读者可以关注。
更多链接
内容:袁知秋、卢小柯、程湘婷、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~

微信社区群:请回复“社区”获取




