直播预告 | OpenKG年度论坛：大模型时代的知识图谱新发展（2024）

苏州大学特聘教授、博士生导师、自然语言处理实验室主任。研究方向：自然语言理解、信息抽取、自然语言认知等。近5年发表SCI期刊和CCF A/B类会议论文120多篇，主持NSFC项目4个(包括重点项目2个) 。据Google Scholar统计，论文引用近9000次。曾担任国际自然语言理解领域顶级SCI期刊Computational Linguistics编委，目前担任ACM TALLIP副主编、《软件学报》责任编委、中国计算机学会自然语言处理专委会主任、中国计算机学会理事、中国人工智能学会自然语言理解专委会副主任、中国人工智能学会常务理事。

北京大学王选计算机所教授，大数据分析与应用技术国家工程实验室（北京大学）知识集成和智能决策中心主任。邹磊教授的研究包括图数据库，知识图谱，尤其是基于图的知识图谱数据管理，面向知识图谱的自然语言问答，图分析与机器学习，以及大数据系统；他已经发表了50余篇计算机领域的顶级国际学术期刊和会议（CCF-A）上，包括SIGMOD, VLDB, ICDE, TODS, TKDE, VLDB Journal等。邹磊教授曾获得中国自然科学基金（NSFC）优秀青年基金，国家重点研发计划项目的资助。另外，还获得了英国皇家学会的牛顿高级访问学者基金的资助。2017年获得教育部自然科学二等奖（获奖项目“大规模图结构数据管理”，排名第一）。

特邀报告三：大模型时代的知识图谱年度进展报告 

摘要： 本报告深入梳理了2024年大模型与知识图谱协同发展的显著成果。大模型以其卓越的理解生成能力、少样本学习及泛化优势，助力知识图谱在抽取与推理环节突破瓶颈，显著提升知识图谱的准确性和全面性，解决了信息挖掘不充分、推理能力有限等问题。知识图谱则凭借结构化信息与严谨逻辑推理，增强大模型在问答和规划任务中的表现，提高模型可解释性，降低幻觉等错误，弥补慢思考和规划不足。神经符号迭代交互的探索，为二者深度融合与推理能力提升开辟新途径。报告还盘点了OpenKG在数据、模型、工具方面的积累，并预测知识图谱和大模型在2025年及未来深度融合的发展趋势。

王昊奋 同济大学 特聘研究员

同济大学百人计划特聘研究员，博士生导师。他是全球最大的中文开放知识图谱联盟OpenKG轮值主席。他负责主持多项国家AI专项，发表100余篇AI领域高水平论文。他构建了全球首个可交互养成的虚拟偶像—“琥珀·虚颜”；所构建的智能客服机器人已累计服务用户超过10亿人次。目前，他担任中国计算机学会术语工委副主任，自然语言处理专委秘书长，信息系统专委常委，智能机器人专委会执委；中国中文信息学会理事，大模型专委会指导委员会委员，语言与知识计算专委会副秘书长；中国指挥控制学会大模型专委会常务委员；上海市计算机学会自然语言处理专委会副主任等社会职位。

OpenKG新成果报告一：OpenRAG：开放检索知识增强 

王萌（同济大学副教授）

摘要： 本报告将深入剖析OpenRAG这一前沿技术在过去一年的显著发展、关键挑战、以及未来趋势。

OpenKG新成果报告二：OneGraph：大模型知识图谱构建 

张文（浙江大学副教授）

摘要： 本报告将介绍利用大语言模型构建的千万级中英双语概念知识图谱OneGraph，以及OneGraph增强大语言模型和GraphRAG的效果。

OpenKG新成果报告三：KAG：知识增强生成框架 

梁磊（蚂蚁集团技术总监）

摘要： 逻辑符号引导的知识增强推理框架OpenSPG/KAG，支持多跳、数值、语义等多种推理能力， 在通用多跳问答中显著超越sota方法 并在医疗、政务、法律等场景落地应用。

OpenKG新成果报告四：unKR：不确定性知识图谱推理工具 

吴天星（东南大学副教授）

摘要： 本报告将简要介绍大模型时代下不确定性知识图谱推理工具unKR的构建细节，及其中包含的各类方法。

OpenKG新成果报告五：OneEval：大模型知识增强评测 

毕胜（东南大学讲师）

摘要： 聚焦于对大模型在多种类型（文本、结构化和多模态等）外部知识库上的增强能力进行评测，系统探讨其在检索、查询、理解和推理等核心任务中的表现。