暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

图谱动态|学苑周刊 NO.220

图谱学苑 2025-04-15
244

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




行业动态


 

知识图谱+企业协同


Atlassian最新发布的Teamwork Collection通过Teamwork Graph知识图谱实现产品深度整合,该图谱历时6年开发,能智能关联组织内的团队、任务、文档等要素。结合Rovo AI智能体技术,平台可自动完成会议转录、工作流生成等20余项任务,将知识图谱的结构化数据转化为智能协作能力。这一创新使Atlassian的30万企业客户能直接运用图谱关联的智能分析功能,标志着知识图谱技术在企业协同领域的成熟应用。
https://t.hk.uy/bQSC



 图谱技术+国防

 


2025年4月10日,Redhorse与GraphAware宣布,其联合开发的关联数据分析平台GraphAware Hume首次在美国国防部(DOD)Impact Level 5(IL5)安全级别的网络中投入生产应用,部署于空军Cloud One云环境的DevSecOps平台。此次部署标志着图分析技术在国防关键任务中的重大突破。此次合作将利用知识图谱和图增强AI技术,提升关键任务分析能力,并特别强调Hume 2.26版本中的大语言模型(LLM)功能将极大优化分析师体验。
https://t.hk.uy/bQS9

近期会议


 Dagstuhl 研讨会



达格斯图尔研讨会25171期(2025年4月21-25日)主题为“全视角图处理系统:实现现实规模与社会影响”,旨在整合分布式计算、图机器学习及社会信息网络三大领域的研究,以应对大规模图数据处理的挑战。会议聚焦五大议题:图生成、处理算法、数字连续体操作、性能优化及实际应用,目标是通过跨社区协作制定统一术语、研究路线图和参考架构,推动图处理技术的突破性发展。
详情请访问:
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202411月成立了图机器学习学组。该学组将于202567-8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。

详情请访问:
https://ccf.org.cn/CGML2025

论文推荐

OpenMLDB

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


辞旧迎新 | 回顾gStore的2024
图解李白的“朋友圈”
图解《狂飙》人物关系
用知识图谱打开梁山好汉一百单八将
公开课程 | 玩转gStore 更新啦!
公开课程 | 图数据管理与挖掘 最终讲-第九讲:面向知识图谱的自然语言问答
图说《人民的名义》
导师访谈 | 邹磊:对数据科学以及本科生科研的思考

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~



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:https://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