不到现场，照样看最干货的学术报告！嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！

不到现场，照样看最干货的学术报告！嗨，大家好这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！话不多说，快快看过来，希望这些优秀的青年学者、专家杰青的学术报告 ，能让您在业余时间的知识阅读更有价值。

人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办，承办单位为中国科学院大学学生会，协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会，百度为支持单位，读芯术、PaperWeekly为合作自媒体。

“AI未来说·青年学术论坛”第十一期“信息检索与知识图谱”专场已于2019年11月24日下午在中科院举行北京邮电大学邵蓥侠为大家带来报告《知识图谱高效嵌入方法》邵蓥侠博士，现任北京邮电大学计算机学院特聘副研究员、CCF数据库专业委员会委员、CCAI智能服务专委会委员。

他主要从事知识图谱管理及应用、大规模图计算系统和并行图算法优化等研究在数据库领域的国际一流学术会议（SIGMOD，VLDB，ICDE等）与国际顶级期刊IEEE TKDE上已发表了学术论文20余篇他主持和参与了多项国家项目，其中主持项目包括一项中国博士后基金（一等资助），一项青年自然科学基金。

邵蓥侠博士曾获国家教育部颁发的博士奖学金、Google博士奖学金（2014）、微软学者称号（2014）、高通奖学金（2015）、ACMSIGMODChina 优秀博士论文（2017），并担任过多个国际会议(VLDB,KDD, AAAI, IJCAI)和期刊(VLDBJ, WWWJ,DSE)的程序委员及评委。

报告内容：Knowledge graph (KG) embedding isa fundamental problem in data mining research with many real-world applications. In this talk, I will report our progress on how to improve theefficiency of knowledge graph embedding. Negative sampling, which samples negative triplets from non-observed ones in the training data, is an important step in KG embedding. Motivated by the observation that negative triplets with largescores are important but rare, we propose to directly keep track of them with cache. We carefully design the solutions of sampling from and updating the cache, which are not only efficient but also achieve good balance between exploration and exploitation. In this way, our method acts as a “distilled” version of existing GAN-based methods, which does not waste training time on additional parameters to fit the full distribution of negative triplets. The extensive experiments show that our method can gain significant improvement on various KG embedding models.

AI未来说*青年学术论坛第一期 数据挖掘专场1. 李国杰院士：理性认识人工智能的“头雁”作用2. 百度熊辉教授：大数据智能化人才管理3. 清华唐杰教授：网络表示学习理论及应用4. 瑞莱智慧刘强博士：深度学习时代的个性化推荐

5. 清华柴成亮博士：基于人机协作的数据管理第二期 自然语言处理专场1. 中科院张家俊：面向自然语言生成的同步双向推断模型2. 北邮李蕾：关于自动文本摘要的分析与讨论3. 百度孙珂：对话技术的产业化应用与问题探讨

4. 阿里谭继伟：基于序列到序列模型的文本摘要及淘宝的实践5. 哈工大刘一佳：通过句法分析看上下文相关词向量第三期 计算机视觉专场1. 北大彭宇新：跨媒体智能分析与应用2. 清华鲁继文：深度强化学习与视觉内容理解

3. 百度李颖超：百度增强现实技术及应⽤4. 中科院张士峰：基于深度学习的通用物体检测算法对比探索5. 港中文李弘扬 ：物体检测最新进展第四期 语音技术专场1. 中科院陶建华：语音技术现状与未来2. 清华大学吴及：音频信号的深度学习处理方法

3. 小米王育军：小爱背后的小米语音技术4. 百度康永国：AI 时代的百度语音技术5. 中科院刘斌：基于联合对抗增强训练的鲁棒性端到端语音识别第五期 量子计算专场1. 清华大学翟荟：Discovering Quantum Mechanics with Machine Learning

2. 南方科技大学鲁大为：量子计算与人工智能的碰撞3. 荷兰国家数学和计算机科学中心（CWI）李绎楠：大数据时代下的量子计算4. 苏黎世联邦理工学院（ETH）杨宇翔：量子精密测量5. 百度段润尧：量子架构——机遇与挑战

第六期 机器学习专场1. 中科院张文生：健康医疗大数据时代的认知计算2. 中科院庄福振：基于知识共享的机器学习算法研究及应用3. 百度胡晓光：飞桨（PaddlePaddle）核心技术与应用实践4. 清华大学王奕森：Adversarial Machine Learning: Attack and Defence

5. 南京大学赵申宜：SCOPE - Scalable Composite Optimization for Learning第七期 自动驾驶专场1. 北京大学查红彬：基于数据流处理的SLAM技术2. 清华大学邓志东：自动驾驶的“感”与“知” - 挑战与机遇

3. 百度朱帆：开放时代的自动驾驶 - 百度Apollo计划4. 北理宋文杰：时空域下智能车辆未知区域自主导航技术第八期 深度学习专场1. 中科院文新：深度学习入门基础与学习资源2. 中科院陈智能：计算机视觉经典——深度学习与目标检测

3. 中科院付鹏：深度学习与机器阅读第九期 个性化内容推荐专场1. 人民大学赵鑫：基于知识与推理的序列化推荐技术研究2. 中科院赵军：知识图谱关键技术及其在推荐系统中的应用第十期 视频理解与推荐专场1. 北京大学袁晓如：智能数据可视分析

留言点赞关注我们一起分享AI学习与发展的干货如转载，请后台留言，遵守转载规范

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186