应漆桂林老师邀请，牛津大学大学陈娇彦博士和吴连龙博士将于2019年8月23日访问我院并做学术报告。
报告题目一：Knowledge Graph Curation by Deep Learning and Semantic Reasoning
报告时间：2019年8月23日（周五）下午2点
报告地点：东南大学九龙湖校区计算机楼4楼会议室
报告摘要: In this report, I will briefly discuss some issues and their related work on knowledge graph (KG) curation in the recent decade, including semantic table matching (KG boosting) and KG repairment. Then I will present our recent work ColNet, a framework for automatic column type matching, as well as a new column classifier that is able to learn table semantics for prediction. Finally, I will introduce the extension of the sampling and learning framework of ColNet for knowledge base literal canonicalization.
报告人简介: Dr. Jiaoyan Chen is now a Senior Researcher in Knowledge Representation and Reasoning Group at the Department of Computer Science, University of Oxford. He works for AI for data analytics of The Alan Turing Institute and SIRIUS of Norway. The research directions include knowledge graph curation, knowledge-based learning, XAI, etc.
He was previously a PostDoctoral Researcher in GIScience Research Group in Heidelberg University. Jiaoyan did his Ph.D in Computer Science and Technology in Zhejiang University, working on combing knowledge reasoning and learning for predictive analytics problems like smog disaster analysis.
报告题目二：DeepReason.AI (深度推理人工智能)
报告时间：2019年8月23日（周五）下午3点
报告地点：东南大学九龙湖校区计算机楼4楼会议室
报告摘要: 大型企业通常存有大量的数据,如果有效结合,能够帮助其获得新的商业见解,例如识别风 险,检测欺诈行为,预测客户意向等。基于牛津大学计算机系的科研项目“VADA 数据增值系 统原理与架构”,我们致力于提供一种集成公开数据的知识图谱管理系统,构建结合逻辑推理 与机器学习的新型人工智能架构,为数据驱动的决策服务提供透明可靠、可解释、可复核的人 工智能技术支持。 在目前机器学习场景中,基于逻辑推理的人工智能需求正在迅速增加。具体表现在:对于领域 知识的深度获取与决策支持、非技术人员可以理解和掌握的模型、图模型的逻辑推理。截止目 前,近四分之一的公司已经采用图数据库。企业需要在现有并不完整的数据集上建立知识图谱 以获取最多的价值,具体体现在两方面:整合互联网上的海量公开数据与实体数据;应用强逻 辑推理形式生成新的知识与规则。 该项目在两百万英镑科研经费的支持下,技术研究与产品已进行两年多时间。我们的科研与工 程团队包括了世界级的逻辑推理与人工智能专家,并有丰富的业界经验推动这一雄伟计划。逻 辑推理是人工智能的一个重要分支,它使得非工程背景的领域专家可以制定规则,用于描述数 据间的直接或间接关系。这与机器学习这种从大量样例中提取模式的方法有所不同。推理的方 法适用于复杂数据的应用场景,例如用于描述公司、人员、产品事件之间关系的复杂网络。并 且在欧洲监管新规则下,任何影响消费者的商业决策必须是可解释可审计的。 我们还将基于现有理论基础与核心数据库引擎,辐射整合以下多个方面:数据可视化、机器学 习、大数据分析、自然语言处理、专家知识规则管理、图数据管理、网页数据抓取等。目前已 经进行中的商业应用领域包括中央银行、商业银行、石油化工行业、网络通信设备厂商等。
报告人简介: 吴连龙,牛津大学计算机科学专业博士生,师从英国皇家学会院士 Georg Gottlob,研究方向 为人工智能与大数据逻辑推理,获英国罗素奖学金全额资助。已获牛津大学计算机软件工程硕 士学位。2019 年受邀参加国际人工智能联合会议(IJCAI)博士论坛,2017 年获国际人工智能 协会(AAAI)最佳学生展示论文奖。入围英国计算机学会(BCS)2016 年度信息技术人物奖 (30 岁以下组)。累计在国内外期刊会议等发表学术论文 9 篇,学术讲座 5 次。硕士研究项 目获微软云计算基金(Azure )资助,设计并实现了采用动态规划模型的即时战略游戏人工智 能系统,并利用云计算资源进行大规模(数千台虚拟机)遗传算法机器学习训练。 曾任纽约证券交易所高级软件工程师,八年以上工作经验,主要工作包括证券市场实时数据及 风险控制软件的设计开发维护,高可靠机制设计实现,超低延迟性能评测优化。近五年内作为 开发团队核心成员,为香港证券交易所开发领航星市场数据发布系统(HKEx OMD),将香港 股市的时延降低至亚微秒级,同时系统容量与可扩展性大大提高。此前曾独立开发了数十个金 融数据源接收处理软件,将不同格式、不同技术架构的实时大数据归并到统一的技术平台,主 要应用于高频交易及算法化场景。