知识图谱讲座第一期总结
2017年4月14日下午，北京理工大学图书馆大数据创新学习中心如期举办了第一期知识图谱讲座，本次讲座邀请了学术界知名学者和资深的业界精英们为我们分享了知识图谱的发展现状，展现了知识图谱在各个领域内的巨大作用，揭示了知识图谱的光明前景，更重要的是，为我们学习知识图谱指明了方向，制定了理论学习和实践学习的规划！
第一部分
深圳狗尾草智能科技公司CTO王昊奋老师，为我们系统地回顾聊天机器人的发展，分析Siri、Watson、Google Now和小冰等典型代表的优缺点，并按照对深度学习和知识图谱技术的运用情况做出了分类。
王昊奋老师还为我们系统的介绍了知识图谱的深厚渊源，指出知识图谱和语义技术的巨大价值，并展望了聊天机器人通往更智能化、更人性化、更趣味化的道路上所面临的挑战，最后聚焦到狗尾草公司推出的公子小白和Holo-Era机器人如何使用知识图谱结合深度学习技术来解决上述挑战。
第二部分
上海图书馆高级工程师夏翠娟老师，向我们展示了知识图谱另外一种使用场景，即关联开放数据在图书馆的应用。夏老师先介绍了关联数据的相关概念，关联开放数据在图书馆的应用意义、目的及场景。
接着以胡适家谱为例，说明了图书馆的大量结构化数据，在关联开放数据的应用方面存在先天的优势。胡老师还和我们分享了图书馆关联数据的加工、清洗转换、存储以及开放应用等相关知识，最后热情的邀请大家参加上海图书馆举办的数据比赛。
第三部分
上海海翼知信息科技有限公司CTO胡芳槐老师，分析了大数据应用挑战，指出知识图谱是这些挑战的解决办法，又从数据存储的发展历史引申出知识图谱数据的存储。
介绍了图数据特点、图数据库的介绍、实现原理及发展情况，指出了大规模知识图谱存储解决方案、最佳实践、存储实现。在展示了常见图数据库介绍、数据模型、适用场景及基本操作之后，以大规模知识图谱实战方案为例，为我们讲解了复杂应用场景处理的最佳实践。
第四部分
北京大学大数据研究院研究员朱占星博士，则为我们深入的介绍了深度学习相关的知识。从人工智能，机器学习，深度学习之间渊源关系谈起，将传统的模式识别与深度学习做了详尽的对比。
朱老师还介绍了几种常用的神经网络，比如多重感知机（MLP）、卷积网络（CNN）、循环网络（RNN）等，以图像描述，机器翻译为例，为我们展示了深度学习的运用场景。最后在介绍了深度学习与强大的AlphaGo关系之后，指出了深度学习存在的一些问题。
第五部分
东南大学的漆桂林教授，为我们详细的解释了与知识图谱相关的名词，如语义网络、实体关系、实体链接、知识融合、知识推理等等，为我们打牢了学习的基础，接着介绍了知识图谱的进展以及发展方向。最最重要的是，漆桂林老师为我们制定了知识图谱的学习规划，画出了知识图谱技术进阶地图，并详细的将我们的学习分成三个阶段来进行，不疾不徐，稳扎稳打，只要按照规划走，相信每一位学员都能学到真本领！
什么？你说我没有详细介绍最最重要学习路线图？更多详情请点击“阅读原文”下载此次讲座的PPT, 祝大家学习愉快～
也欢迎大家关注海翼知公司的公众号“PlantData知识图谱实战”了解更多关于知识图谱的知识～
