图谱动态｜学苑周刊 NO.146

图谱学苑 2023-06-13

217

本期将分享近期全球知识图谱相关

行业动态、会议课程、综述推荐

—--| 行业动态 |--—

云知识图谱+生成式AI

近日，Neo4j宣布在谷歌领先的大型语言模型（LLM）平台Vertex AI中与谷歌云最新的生成人工智能功能进行新产品集成。结果使企业客户能够利用基于Google Cloud Platform中Neo4j完全托管的云产品构建的知识图谱，以获得更准确，透明和可解释的生成AI见解和建议。Neo4j的图数据库和分析功能可用于创建知识图谱，从而捕获实体之间的关系，使AI系统能够有效地推理，推断和检索相关信息。结果可确保大型语言模型（LLM）和其他生成 AI 系统获得更准确、可解释和透明的结果。与 Vertex AI 中 Google 生成 AI 功能的特定集成使企业客户能够：

1.利用自然语言与知识图谱交互：在这种情况下，Cypher查询语言语句是从用户输入生成的，并用于查询数据库。

2.将非结构化数据转换为知识图谱：可以利用 Vertex AI 中的新生成 AI 功能来处理非结构化数据、结构化数据并将其加载到知识图谱中。

3.实时GenAI扩充：Neo4j数据库现在可以实时调用Vertex AI服务来丰富知识图谱。

4.支持向量嵌入: 通过支持向量嵌入为大型语言模型提供长期记忆。

5.知识图谱的基础: 落地是企业客户根据企业知识图谱验证从大型语言模型收到的响应的能力。这将避免幻觉，并使用户对收到的结果充满信心。

http://c.nxw.so/9e9ZB

知识图谱+数字文化

6月7日-11日，第十九届深圳文博会在深圳举行。会上，位于浙江柯桥展区的“文化人物星谱”展项，吸引众多观众驻足、打卡。这个由新华智云打造的数字文化产品，整合数千条与柯桥有关的名人、诗词、古画、关系等数据，在AIGC、知识图谱、3D动画等新兴技术赋能下，一块全景呈现、全民共享的柯桥古今人文图谱徐徐展开。

“文化人物星谱”基于新华智云数字文化操作系统，结合AIGC技术，从上百万首诗词中，遴选出历代和绍兴柯桥有关的10位著名文化人物，以及有关诗词、绘画和地点数据，再以时间、空间、关系为链接，构建起一张三维柯桥文化知识图谱。

在互动大屏上，游客可以自由探索，发现这些名人与柯桥背后的文化故事。

“文化人物星谱”是新华智云打造的众多数字文化展项之一。在践行文化数字化战略过程中，新华智云基于AIGC、元宇宙、短视频智能生产等新兴技术，打造了一批数字文化产品，培育了一批数字文化消费场景，目前已在南昌滕王阁、九江锁江楼，以及浙江省21座数字文化体验馆中落地。

https://vip1.cyou/bzG

知识图谱+心理咨询

6月6日，中国科学院心理研究所与腾讯科技（深圳）有限公司申请的“一种基于人工智能的心理咨询/会话系统及其方法”专利获授权。

该发明系统包括输入模块、语言分析模块、逻辑树对话模块、预料数据库和小结与反馈模块。输入模块采集用户会话输入；通过使用心理知识图谱模块及多轮对话管理模块对用户会话输入进行意图分析；输入模块和语言分析模块在人机交互中循环迭代，通过多轮对话管理模块管理多轮对话之间的关系；语言分析模块按照智能心理咨询逻辑树的逻辑流程及对用户对话的意图分析，在多轮对话管理模块的管理下组织指导用户进行多轮对话的逻辑走向；结合机器人与用户间的会话信息，反馈对话时用户与心理、情绪问题相关的信息并输出，制定心理干预方案。

简单来说，这种基于人工智能的心理咨询会话系统可以让使用者有更接近于和真人心理咨询师对话的感觉，并通过与人工智能机器人对话，使用者可以获得心理咨询建议和对应的心理干预方案。

https://vip1.cyou/bzH

—--| 会议课程 |--—

ITCC 2023

2023年第五届信息技术与计算机通信国际会议(ITCC 2023)将于2023年6月15-17日在中国天津举行。本次会议的目的是为信息技术与计算机通信等领域全球学术界、产业界和研究开发组织的研究人员提供一个交流平台。

详情请访问：http://www.itcc.net/

—--| 综述推荐 |--—

LLM

本周推荐的是近期发布于arxiv上的一篇关于大语言模型的综述：A Survey of Large Language Models，对近年来大语言模型的技术演进脉络和重要工作进行了梳理和总结，并特别关注其中的预训练、适应性微调、模型利用和能力探测四个方面。作者来自中国人民大学和加拿大蒙特利尔大学等。

语言是人类进行表达和交流的基本能力，让机器拥有语言能力是通向人工智能的重要一步，也经过了多年的探索与演进，语言建模的研究可以划分为统计语言模型、神经语言模型、预训练语言模型和大语言模型四个阶段。自去年年底OpenAI发布ChatGPT以来，大语言模型的研究与应用日趋火热，但是对大语言模型的基础原理研究还不够充分。这篇文章通过大量文章的调研，致力于帮助读者梳理大模型训练与应用过程的若干关键问题。

作者首先绘制了近年来超过10B的大语言模型的发展时间线如下图，总结了大模型相关的可用资源（开源模型、训练语料、训练库等），然后对大模型的预训练、适应性微调、模型利用和能力评估四个问题的关键技术和重要工作进行介绍，最后从理论原理、模型架构、模型训练、安全性等多个角度对未来方向进行展望。