肖仰华 复旦大学计算机科学与技术学院教授

主题报告一：知识图谱工程实践的基本原则与最佳实践

主题简介：经历了大数据时代的洗礼，各行业积累了前所未有的海量数据。但是各行业的大数据犹如锁在笼中的雄狮，威力难以释放。知识图谱为各领域提供了一种便捷的知识表达、积累与沉淀方式，为行业大数据的理解与洞察提供了丰富的背景知识。大数据驱动的行业智能化对知识图谱这类背景知识提出了广泛诉求。行业智能化势必走上数据驱动与知识引领相融合的新型路径。在知识图谱助力各行业智能化过程涌现出来大量的工程问题？这些问题需要得到有效解决，需要得到深入理解。过去5-6年的落地实践也为总结知识图谱的最佳实践奠定了基础。知识图谱落地过程中的基本原则与最佳实践的总结已经成为了各行业图谱落地的迫在眉睫的任务。大量的知识图谱落地项目走在错误的或者曲折的道路上。本报告将结合复旦大学知识工场实验室十多个典型知识图谱落地项目，系统论述面向行业智能化的知识图谱落地过程中的基本原则与最佳实践。

个人简介：肖仰华，博士，复旦大学教授、博士生导师、复旦大学知识工场实验室创始人、上海市互联网大数据工程技术中心副主任、多家规模企业高级顾问与首席科学家、知识图谱前沿技术系列课程发起人、十多个国家/省市/企业研究奖项获得者、三十多个国家/省市/企业研发项目负责人。在国际顶级学术会议与期刊（包括SIGMOD、VLDB、ICDE、IJCAI、AAAI、TKDE等）发表论文百余篇，授权近20项知识图谱专利。多个国际期刊编委，百余次担任国际/国内学术机构/会议的学术服务工作。领导构建了知识库云服务平台(知识工场平台kw.fudan.edu.cn)，发布了一系列知识图谱，以API形式为数百家应用单位服务近10亿次。

华能威 阿里巴巴-UC神马搜索高级算法专家

主题报告二：知识图谱与智能搜索

主题简介：全网知识图谱有其独特的优势、价值，不仅帮助机器理解文本，也是智能信息服务的高效手段。知识图谱和搜索的结合越来越紧密，成为重要的数据和技术驱动。同时，知识图谱应用于智能问答，包括在有屏、无屏场景下也都发展迅速。当然知识图谱本身也面临很多的挑战、难题。本次报告分享这方面工作的一些经验和心得，希望对大家有所启发和帮助。

个人简介：华能威，阿里巴巴-UC神马搜索高级算法专家，知识图谱负责人。长期从事面向搜索的自然语言处理、机器学习相关研发工作，最近几年专注知识图谱，致力于搜索往下一代智能系统演进。

奚宁 上海乐言信息科技有限公司算法团队负责人

主题报告三：多策略智能问答-企业计算的AI利器

主题简介：机器人智能问答技术是目前学术界的研究热点之一，正逐渐被广泛应用于企业计算中，赋能各行各业。本文将从机器人智能问答的三种主流技术路线:基于信息检索的问答、基于知识图谱的问答、基于阅读理解的问答出发，辨析单一技术路线在实践中的适用场景局限和优劣势，并结合乐言在企业计算智能问答领域的实践探索，阐述使用多策略融合方式构建智能问答引擎的必要性以及具体的构建方法。文章还将以2018年世界人工智能大会会务小秘书产品构建过程为例，介绍实践场景中多策略融合机器人智能问答产品的算法与工程构建全景。

个人简介：奚宁，南京大学博士，研究方向为机器翻译和自然语言处理。2013年加入微软Cortana团队和Bing团队，先后从事语言理解，web数据挖掘，搜索引擎优化，机器阅读理解方面的研发工作。2018年加入乐言科技，担任算法团队负责人。主要从事对话系统等方向的研发工作，深度参与金融、政务智能咨询系统研发工作，并带领团队在短时间内开发上线2018年世界人工智能大会智能咨询“小秘书”产品，受到业界广泛好评。

周浩 字节跳动人工智能实验室研究员

主题报告四：学习生成更好的新闻、翻译和广告

主题简介：本次讲座将介绍文本生成的新进展。我们将介绍头条自动写稿机器人Xiaomingbot，翻译模型中过翻译和欠翻译解决新方法，也将介绍利用监督和非监督的方法训练模型根据关键词生成句子，进而推广到一般受限文本生成。基于这些技术，我们研发的写稿机器人已经写作超过6万篇文章跨6个语言，拥有12万多粉丝关注。我们也将介绍文本生成在搜索和广告等场景中的应用。

个人简介：周浩，字节跳动人工智能实验室研究员，文本生成平台负责人。主要研究方向为机器学习以及机器学习在文本生成中的应用。周浩于2017年在南京大学计算机科学系获得博士学位，在ACL，EMNLP，NIPS，TACL，AAAI，JAIR等会议和期刊上发表论文十余篇，并担任ACL、EMNLP、NIPS、AAAI、IJCAI等国际会议程序委员。2019年11月他将在香港举办的自然语言理解顶级会议EMNLP'19上做关于基于神经网络的自然语言理解中的离散性问题研究的Tutorial。

曾轲 美团点评语音助理与智能交互的资深算法专家

主题报告五：美团点评在智能交互中的探索与演进

主题简介：知识的引入一直是智能交互系统研究的重要方向。美团点评将生活服务领域多类资源进行深度地知识挖掘与整合，形成跨域连通的生活类知识图谱；并以此为基础研发基于知识的意图理解、资源组织与交互引导等技术，推动美团点评智能交互技术的演进。本次工作主要以餐饮娱乐生活类服务为背景，介绍在多样化的环境中，如何将知识计算与交互智能有机的融合，并进一步探讨智能交互与知识建设的相互反馈。

个人简介：曾轲，博士，目前是美团点评语音助理与智能交互的资深算法专家，现任智能交互与知识计算负责人；主要研究方向包括知识理解、知识融合、知识问答系统、以及基于知识图谱的交互系统。他毕业于西安交通大学，就学期间主要在中科院自动化研究所从事信息表达与知识传播的网络群体舆论传播 (CMO)的相关研究工作；2015年加入美团点评，先后负责了美团点评商家团单融合系统、商家自助上单系统，智能点餐推荐系统等，在美团点评完成了整体餐饮商家与菜品信息概念与属性的知识构建，在知识的构建、推理、检索与融合方面有丰富的实践经验。