图谱动态｜学苑周刊 NO.128

毕马威中国《2022金融科技发展趋势》

1月16日，毕马威中国发布《2022金融科技发展趋势》报告。

报告显示，ABCD技术（人工智能、区块链、云计算、大数据）仍然为金融科技企业的核心技术。

值得注意的是，2022年知识图谱首次超越区块链成为排名第四的技术要素，占比34%；深度学习与区块链并列第五，占比33%。体现出金融科技企业在立足ABCD等核心技术的同时，也积极探索其他技术，将技术与金融场景进行深化融合。

随着元宇宙在基础研究、技术创新、场景落地等方面逐渐取得进展，其市场潜力也进一步得到认可。金融科技企业也开始积极布局虚拟现实、边缘计算等相关技术。

https://kpmg.com/cn/zh/home/campaigns/2023/01/china-fintech-50-2022.html

建筑业+知识图谱

近日Trace Labs通过BUILDCHAIN项目，使用OriginTrail去中心化知识图谱（DKG）建立一个值得信赖的知识库，提高效率，减少错误，增加透明度和信任度，促成更加可持续的建筑项目。

Trace Labs的主要贡献将是将OriginTrail去中心化知识图谱（DKG）与现有的欧盟数字建筑日志系统集成， DKG将提供一个防篡改和分散的数据库，可供建筑物生命周期中的所有各方访问，包括建筑师，承包商，建筑业主和监管机构。这有助于通过以下方式提高所有利益相关者之间的透明度、信任和协作：

作为数字孪生的互联知识资产：DKG 将为所有建筑相关数据（包括计划、材料、检查结果等）提供开放、单一的事实来源。这将使各方都可以轻松实时发现、访问和更新信息，从而改善沟通和协作。

数据验证：使用区块链技术，添加到DKG的所有数据都是指纹识别的，不能被篡改，确保建筑物生命周期数据的真实性。

预测性维护： 人工智能和机器学习可用于分析来自DKG的数据，以识别模式并预测未来的结果，例如维护需求。这有助于改善建筑维护并减少停机时间。

合规性和法规：DKG 可用于确保符合建筑规范和法规，方法是以标准化方式存储所有相关信息，并使其可供监管机构实时访问。

http://e.r9g.cn/113a7

本周推荐的是发表于WSDM 2022的工作Mave: A product dataset for multi-source attribute value extraction，构造发布了一个大规模多源的商品属性值抽取数据集，作者来自谷歌。

商品属性作为商品特征的重要组成部分，在电商平台的搜索、推荐、问答等任务中发挥重要作用，但海量的商品属性往往存在错误和缺失，因此属性值抽取任务得到学术和工业界的广泛关注与研究。从早期的基于规则和词典的方法，到近年来视为命名实体识别、基于深度学习的序列标注方法等，属性值抽取有较长的研究历史。

但属性值抽取方法依赖高质量的训练数据集，现有的从亚马逊、淘宝、京东等电商平台构造的数据集多存在规模小、数据简单、数据种类单一等局限，限制了抽取方法的进一步发展。为此，本文构造发布了一个大规模多源属性值抽取数据集MAVE，通过人工规则+机器过滤后处理等手段，从亚马逊网页提取了包含1257类不同商品、超过3百万条属性标注的数据，并通过人工校验保证了数据的质量。在此基础上，文章还提出了一个基于问答的属性值抽取模型MAVEQA，实验证明了数据的价值和方法的有效性。

数据集统计信息和文章模型的整体结构如下图所示：

完整的数据集已经发布，感兴趣的读者可以关注：