转载公众号 | DataFunSummit

导读：知识图谱和图学习都是这两年比较热门的研究方向。近年来，无论是工业界还是学术界，都陆续提出了自己的知识图谱构建平台，知识图谱被广泛应用在推荐、医疗等行业场景；各个公司、各个研究团队也都在不停地推出自己的图训练框架。

本文罗列了知识图谱和图机器学习两个方向中，应用得比较成熟的10个案例。

01

知识图谱精选案例

1. 《OPENBASE：知识众包平台解析》

• 来源：《AI技术应用案例手册》，第166页

• 作者：于阳｜小米 知识图谱平台产品经理
  

• 看点：Openbase 致力于打造中文开放域高质量免费知识图谱，目前已经收录了一亿多三元组，1151万的实体，九万多个属性，有四万七千多个标注任务的产出。Openbase 现在支持16个开放图谱的下载，包括KG4AI、农业、百科人物和佛学等，并以新冠图谱建设为例做详细的说明。除此之外，作者还分享了一些众包任务标注工具、提高标注效率的经验，以及OPENBASE众包数据质量建设实践。

2. 《知识图谱在美团推荐场景中的应用》

• 来源：《AI技术应用案例手册》，第201页

• 作者：杨玉基｜美团 算法工程师

• 看点：美团所涉足的生活服务领域需要大量知识。为了优化商家和用户体验，美团NLP中心从2018年开始着手构建了生活娱乐领域超大规模的知识图谱——美团大脑。美团在将知识图谱应用到推荐场景的过程中，主要面临着可解释性需求强烈，涉及领域多、差异大，数据稀疏，时空场景复杂四大难题。作者重点总结了美团在解决这四个难题的过程中形成的方法框架与具体实践经验。

3. 《自动化知识图谱表示学习：从三元组到子图》

• 来源：《AI技术应用案例手册》，第140页

• 作者：张永祺｜第四范式 资深算法研究员

• 看点：知识图谱逐渐被应用到QA问答系统、推荐系统、新药发现、股市预测等领域，在这个过程中，第四范式也建立了低门槛、全流程的知识图谱平台Sage Knowledge Base。作者从三元组到子图的维度来介绍自动化知识图谱表示学习的相关技术。

4. 《电力领域知识图谱技术进展与应用实践》

• 来源：《AI技术应用案例手册》，第183页

• 作者：谈元鹏｜中国电力科学研究院 高级工程师

• 看点：知识图谱相关技术在开发和应用过程中，通常需要跟行业或者业务领域进行高度融合。但是在行业知识图谱构建过程中，无法把传统行业和IT部门或知识图谱团队进行简单对接，导致数据标注及知识的消化理解比较困难，难以形成如图像识别一样的知识高能力应用。行业知识图谱的构建往往需要行业和技术人员双方彼此的沟通对接，中国电力科学研究院有限公司人工智能应用研究所就充当了一个行业和技术的对接桥梁角色，尝试构建了一套电力领域知识图谱。

5. 《基于逻辑规则学习的知识图谱推理》

• 来源：《AI技术应用案例手册》，第127页

• 作者：瞿锰｜蒙特利尔大学 博士生

• 看点：为了构造尽可能完备的图谱，知识图谱的推理工作也成为学术届和工业界的一个重要研究课题。来自Mila人工智能实验室的瞿锰博士，给大家分享了他们在图谱推理任务方向的一个研究：基于逻辑规则的图谱推理（RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs），研究结果显示RNNLogic可以很好地兼顾图谱推理任务的模型效果和可解释性的问题。

02

图机器学习精选案例

1. 《图机器学习在智能反欺诈上的探索与实践》

• 来源：《AI技术应用案例手册》，第107页

• 作者：陈振兴｜京东科技 算法工程师

• 看点：作者重点向大家介绍了反欺诈模型体系、反欺诈建模痛点与图机器学习的优势、反欺诈中的常见四类图算法，以及图机器学习在营销场景中、线下交易场景中的实际应用。

2. 《基于图深度学习的自然语言处理方法和应用》

• 来源：《AI技术应用案例手册》，第9页

• 作者：郭晓洁｜京东硅谷研究院 研究科学家

• 看点：作者以Graph4NLP团队的一篇调研文章：Graph Neural Networks for Natural Language Processing：A Survery，以及团队所开发的Graph4NLP的python开源库和教程为基点，重点介绍了DLG4NLP方法和模型、DLG4NLP典型的应用，以及DLG4NLP Python开源库。

3. 《图深度学习系统DGL介绍和展望》

• 来源：《AI技术应用案例手册》，第72页

• 作者：王敏捷｜亚马逊云科技 资深应用科学家

• 看点：图作为一个非常普适的数据结构存在于很多场景，随之而来的图神经网络也被用来挖掘图上有用的信息以增进下游任务的表现。但是根据现有工具，图神经网络的细粒度公式表达和粗粒度的张量实现存在着巨大的鸿沟。由此，亚马逊云科技构建了一座图算法与现有张量计算框架之间的桥梁：DGL，帮助用户更容易在现有DL框架上高效的执行相应的图算法。

4. 《GRAPH + AI 加速供应链数字化转型》

• 来源：《AI技术应用案例手册》，第35页

• 作者：周倚平 TigerGraph 售前总监

• 看点：近几年来图计算（Graph）和人工智能（AI）在技术上都在飞速发展，商业应用中也各自发挥了重要作用。作者与大家探讨如何通过图计算（Graph）和人工智能（AI）的结合，来帮助企业推进供应链数字化转型。

5. 《视频人物社交关系图生成与应用》

• 来源：《AI技术应用案例手册》，第92页

• 作者：徐童 中国科学技术大学 副教授

• 看点：在线社交媒体平台的发展，带来了细粒度检索、视频语义摘要等媒体智能服务的巨大需求。现有的视频理解技术缺乏深入的语义线索，结合视频中人物的社交关系才能更完整、准确地理解剧情，从而提升用户体验，支撑智能应用。作者主要介绍了动态分析和图机器学习的结合，围绕视频中的人物社交关系网络所开展的两个最新的工作。

以上是本次分享的全部案例。

这些案例均收录在DataFun202206期月刊《AI技术应用案例手册》中，感兴趣的读者可以扫描下方二维码，免费阅读或下载此手册。

03

资料目录

DataFun电子月刊是DataFun社区发布的月度资料汇总，免费向所有技术人员开放。

《AI技术应用案例手册》收录了图机器学习、知识图谱、自然语言处理、搜索推荐广告最新应用案例，包含24篇技术干货文章，文末赠送5、6月最新内推信息。

感兴趣的读者可以扫码或点击文末“阅读原文”免费下载。

点击阅读原文，免费下载月刊。

OpenKG

OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。