图谱动态｜学苑周刊 NO.149

图谱学苑 2023-07-04

304

本期将分享近期全球知识图谱相关

行业动态、会议课程、论文推荐

—--| 行业动态 |--—

旅游+知识图谱

6月28日，德国国家旅游局（DZT）“德国旅游知识图谱”投入运行。开始阶段有超过 200,000 个当前数据集可供所有参与者使用，包括全球销售平台、旅游服务提供商或初创公司。其中包括 100,000 个旅游对象（POI、旅游、活动、餐厅、酒店等）以及另外 100,000 条基础设施数据。

知识图谱使用来自所有 16 个联邦州的旅游数据作为德国旅游业的中央数据库。该项目的其他合作伙伴包括Magic Cities、Amadeus、GCB、高校等。未来铁路还计划将数据加入图中。

通过该项目，德国旅游业占据了联邦政府数据战略的行动领域：创建强大且可持续的数据结构，设计创新和负责任的数据使用，提高数据能力并建立数据文化。

未来几周和几个月的重要任务是通过建立和扩大与潜在数据用户的联系、使用知识图谱中的数据来分发数据，并实现可持续旅行优惠的移动数据。在开放数据旅游联盟中,GNTB也在加强跨境交流，以进一步制定共同的旅游数据标准。在开放数据和所使用的数据模型的互操作性的基础上，科学研究可以通过旅游信息丰富游客管理或智慧城市的概念。

http://c.nxw.so/7KTrT

北京发布首批10个行业大模型应用案例

6月28日，北京市科委、中关村管委会发布北京市首批10个行业大模型典型应用案例，涉及城市治理、医疗健康等领域，均由技术供给方与场景需求方联合研发。

其中，在智慧能源领域，百度集团和国网智能电网研究院有限公司共同开发基于电力行业NLP大模型的设备运检知识助手示范应用。基于百度“文心”系列大模型及领先的深度学习、知识图谱增强等技术，构建了千万级电力文本样本库和电力行业知识图谱，联合训练电力行业NLP大模型，增强设备及电网运营的自动化、智能化水平。

https://vip1.cyou/cvS

福建厦门供电公司搭建全场景智慧调度平台

全场景智慧调度平台由厦门供电公司自主搭建，相关科技项目于日前完成验收评审。该平台接入了配电管理系统、电力生产管理系统、思极地图等系统的设备、地理、气象、交通信息，并基于多场景知识融合技术生成调控知识图谱。该平台为调度员配备人工智能智慧调度助手，可智能选定检修人员、规划作业路径、辅助调度员智能监视检修人员轨迹，并提供检修作业超期风险预警。

全场景智慧调度平台可有效缩减迎峰度夏期间检修、抢修操作时长，解决传统配网调度模式下智能化决策支撑不足的问题，为配网调度从传统电气调度向全场景智慧调度体系转变提供技术路径。

https://vip1.cyou/cvT

—--| 会议课程 |--—

FOIS 2023

会议时间：2023 年 7 月 17-20 日

会议网址：https://fois2023.griis.ca/

FOIS 会议是所有对形式本体论感兴趣的研究人员的聚会点。形式本体论是对构成现代信息系统中感兴趣领域的实体和关系类型的系统研究。会议鼓励就理论问题和实践进展提交高质量的、而非先前发表的结果。FOIS 2023 将对基础问题、本体应用和方法以及领域本体有不同的轨道。

FOIS 旨在成为跨学科研究和交流的纽带，为来自许多领域的研究人员提供正式本体论的支持。常见应用领域包括概念建模、数据库设计、知识工程和管理、软件工程、组织建模、人工智能、机器人学、计算语言学、生命科学、生物信息学和一般科学研究、地理信息科学、信息检索、图书馆和信息科学，以及语义网。

FOIS 是国际本体论及其应用协会 (IAOA) 的旗舰会议，该协会是一个促进正式本体论跨学科研究和国际合作的非营利组织。

FOIS 2023 将包括实体会议和虚拟会议：

将于 2023 年 7 月 17 日至 20 日在魁北克省舍布鲁克举行一次面对面的会议，该会议将非常类似于传统会议，有主题演讲、定期演讲、研讨会和教程以及大量社交和网络机会。这部分将没有远程参与选项，但计划会有录制选定的演讲（例如主题演讲）。

随后将于2023 年 9 月 18 日至 20 日举行在线部分，为展示和讨论舍布鲁克实体会议上未展示的其他论文提供机会。

—--| 论文推荐 |--—

T-cohesiveness

本周推荐的是发表于VLDB 2023上的论文：Time-topology analysis on temporal graphs，对时态图（temporal graph）的内聚性（cohesiveness）进行定义，并提出对时态图进行时间-空间（time-topology）分析的方法和优化，作者来自清华大学、百度和香港中文大学。

许多现实世界中的图处在不断变化中，时态图可以很好地建模。时态图通常有两类特征：时态特征和拓扑特征，其中时态特征与图中点边的建立时间有关，拓扑特征与图的结构有关。文章同时考虑这两类特征，研究对时态图进行时间-空间分析的方法：

首先，文章定义了一种新度量T-cohesiveness对时态图的内聚性进行衡量，此度量联合考虑时间和拓扑两个维度，时间维度的内聚性反映子图中连接发生的时间是否集中（temporal cohesiveness），拓扑维度的内聚性则反映子图中顶点是否紧密连接（inter-topological cohesiveness）、且是否与此子图外的顶点之间连接稀疏（intra-topological cohesiveness），具体来说是定义了三个评分，用这三个评分的乘积作为度量。

然后，基于度量T-cohesiveness，文章提出了两种时间-空间分析方法，一种是演化跟踪，该方法追踪子图的T-cohesiveness的演化；另一种是子图搜索，该方法返回包含查询顶点的内聚子图。另外，文章还证明第二种方法组合搜索是NP问题，并提出剪枝策略，该策略估测子图的T-cohesiveness上界，从而剪枝掉内聚程度不够的子图。文章还提出了另外四种T-cohesiveness定义，与T-cohesiveness进行比较。文章在13个真实数据集和4个合成数据集上进行了实验，实验结果证明了文章提出的定义和方法的有效性和可扩展性。