全国知识图谱与语义计算大会（China Conference on Knowledge Graph and Semantic Computing，CCKS）组织知识图谱相关评测竞赛，旨在提供测试知识图谱与语义计算技术、算法、及系统的平台和资源，促进国内知识图谱领域的技术发展，以及学术成果与产业需求的融合和对接。去年，CCKS2022评测竞赛环节共设立5个主题，14个任务，涵盖金融、教育、化学、电商、军事等领域，吸引了5362支队伍、近2.3万人参赛，共计52支队伍获得45.3万奖金，在工业界和学术界形成较高影响力。去年北京大学王选计算机研究所数据管理实验室联合北京大学重庆大数据研究院负责了任务五“开放知识图谱问答”以及任务十五“基于图数据库的自定义图分析算法评测”两个任务，取得了良好的效果。
今年，经过评测任务第一轮征集和评测组委会筛选，CCKS2023目前设置三个评测主题，6项评测任务。每项任务（或子任务）均设置一、二、三等奖与技术创新奖，优秀评测论文也将推荐收录进入主会论文集。
北京大学王选计算机研究所数据管理实验室联合北京大学重庆大数据研究院负责任务4：开放领域知识图谱问答，以及任务6：基于图数据库的自定义图分析算法评测 两个任务。
欢迎大家踊跃报名参加，奖品丰厚!
1.CCKS评测官网
https://sigkg.cn/ccks2023/evaluation
公众号原文链接（点击跳转）：
[评测通知] 2023年全国知识图谱与语义计算大会评测任务发布及持续征集
2.任务介绍
任务4：开放领域知识图谱问答
任务描述：
知识图谱以结构化形式存储与表示海量数据，作为承载底层海量知识并支持上层智能应用的重要载体，在智能时代中扮演着重要角色。但同样受限于其高度结构化的特点，用户需要构建结构化查询语句（SPARQL等）来查找相关知识，造成了使用不便。因此，在知识图谱上进行自然语言问答（KBQA）近年来备受关注。在学界，语义解析、信息检索等创新性方法与框架百花齐放；在业界，智能音箱、语音助手等应用也极大拓宽了应用场景，进一步加强了对高效、准确、易用、安全、可解释的KBQA系统的需求。因此，本次评测期待参赛者提出创新性的KBQA系统，兼顾“专而深”的特定领域和“广而浅”的开放领域知识图谱，对用户提出的复杂多样的自然语言问题给出准确答案。同时，我们更希望此次评测可以为KBQA的下一步研究和落地提供一些理论及实践层面的启发。
张若禹（北京大学王选计算机研究所）
林殷年 linyinnian@pku.edu.cn
任务6：基于图数据库的自定义图分析算法评测
任务描述：
知识图谱本质是基于图的语义网络，图数据库以图模式存储管理数据，对于知识图谱数据存储具有得天独厚的优势。知识图谱查询、分析及推理是其支撑智能应用的关键核心技术，反映到图数据库上是图查询与图分析。BFS和DFS是图数据库核心的算法，在此基础上，众多学者针对不同需求设计了一系列的图查询与图分析算法，如局部聚集系数、标签传播、单元最短路径及其不同变种。但遗憾的是，传统的图数据库查询语言并未完全内置这些算法，如SPARQL，Gremlin等。因此，本次测评旨在将图查询和图分析经典算法进行实现并在图数据库中进行验证，对于检验算法有效性和实用性具有重要意义。
王 剑（北京大学重庆大数据研究院）
李文杰 liwenjiehn@pku.edu.cn
3.额外信息
参与任务4和任务6的团队可在以下网站中了解更多信息：
https://www.gstore.cn
https://github.com/pkumod/gStore
微信公众号：
欢迎大家报名参加
