中科院自动化所赵军老师授课，课件共1389页，相当详细！

知识图谱东南大学

目前，绝大多数知识图谱研究针对实体知识图谱主要以实体（特别是人名）为基础。面向事件知识图谱研究的语料构建和研究方法还处于探索阶段。特别是，中文事件知识图谱的研究几乎是空白。相对于实体知识图谱，事件知识图谱具有明显的语义表达优势，有利于知识推理。本报告将主要从事件抽取、事件关系抽取、事件/事件关系可信度计算、事件知识图谱构建技术和事件知识图谱推理等五个方面系统深入分析事件知识图谱构建研究相关的国内外研究现状，存在关键问题以及研究思路。

今年CNCC（CNCC 2019）上的“认知图谱与推理”论坛由清华大学唐杰教授申办，太多的干货、给力的专家，不考虑再多说什么，请直接下载。

转自CCF，网址：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663476289865728。 摘要：利用可解释推理机制对知识图谱进行推断是一个非常重要的问题，已受到广泛关注。本报告提出一种新型的知识图谱学习框架 CognitiveGraph, 该框架建立在认知科学dual process 理 论基础上，通过协调内涵抽取模块和外延推理模块迭代构建认知图谱，并且给出了一种可解释推理路径。CognitiveGraph 框架的实现基于 BERT 和图神经网络 GNN, 能够有效的处理超大规模节点网络，已经成功应用于许多领域，包括基于推理的问答系统 ( HotpotQA ) ，表现出相对现有方法最好的性能。

UMLS参考手册，美国国立医学图书馆出版，UMLS包括超级叙词表和语义网络。

在线医疗盈利模式 主要的盈利模式可分为服务类、交易类和信息类： 1）服务类盈利模式是指利用互联网或移动互联网为用户（大众或医生）提供便捷的医疗服务，而向用户收取的增值费用的模式。 2）交易类盈利模式是指利用互联网或移动互联网向用户或企业提供在线药品和医疗用户交易平台或线上药店，而获得的佣金收入和销售收入。 3）信息类盈利模式是指在健康咨询类网站设置广告位向广告主收取广告费，或是向用户提供健康咨询而向用户收取用户增至费用的模式。

TranE是一篇Bordes等人2013年发表在NIPS上的文章提出的算法。它的提出，是为了解决多关系数据（multi-relational data）的处理问题。我们现在有很多很多的知识库数据knowledge bases (KBs)，比如Freebase、 Google Knowledge Graph 、 GeneOntology等等。 TransE的直观含义，就是TransE基于实体和关系的分布式向量表示，将每个三元组实例（head，relation，tail）中的关系relation看做从实体head到实体tail的翻译（其实我一直很纳闷为什么叫做translating，其实就是向量相加），通过不断调整h、r和t（head、relation和tail的向量），使（h + r） 尽可能与 t 相等，即 h + r = t。 以前有很多种训练三元组的方法，但是参数过多，以至于模型过于复杂难以理解（作者表达的意思就是，我们的工作效果和你们一样，但我们的简单易扩展）。（ps：作者以前也做过类似的工作，叫做Structured Embeddings，简称SE，只是将实体转为向量，关系是一个矩阵，利用矩阵的不可逆性反映关系的不可逆性。距离表达公式是1-norm）。

清华：人工智能知识图谱.pdf

绘医美产品图谱，鉴他山之石功过