今年的CCKS（全国知识图谱与语义计算大会，China Conference on Knowledge Graph and Semantic Computing）将于今日（8月24日）在杭州召开。CCKS是国内知识图谱、语义技术、链接数据等领域的核心会议，今年会议的主题是“知识智能”。根据CCKS 2019官方数据显示，今年会议收录的论文共计53篇，其中Oral论文13篇，Poster论文40篇。论文研究方向呈多样性，但知识表示、自然语言理解类的论文所占比例较大。今天，我们就来分析几篇录用的论文。
基于简介文本的中文人物关系图谱属性补全与纠错
剖析：本文描述了从百科类数据描述构建人物关系图谱的过程，作者对人物属性和关系进行归一化处理，为提高图谱的覆盖率和正确率，从文本中进行自动学习知识进行纠错和补全。最终获得了包含百万级人物实体和千万级三元组的人物关系图谱。该论文采用模式匹配和统计模型相结合的策略从文档数据中自动学习补全和纠错属性，提高了知识图谱的正确率和覆盖率。
会话阅读理解中的覆盖机制
剖析：本文提出了利用覆盖机制结合历史信息来解决会话阅读理解问题，并建立了CoverageFlowQA(CFQA)模型，它使用覆盖机制来合并历史答案信息。在大规模CRC数据集CoQA上对该方法进行了评估。结果表明：与基线模型相比，该模型得到了0.9f1分数，证明了通过覆盖机制整合历史答案信息的有效性。
地理-知识图完成的增强链接预测框架
剖析：本文提出了一种新的知识图链接预测框架，通过利用地理信息生成地理单元和规则，优化和提高表征学习结果的CT地理约束。这个框架可以充分利用隐含的地理信息，并能准确地捕获实体的语义单位和关系。
基于移动客服领域的客户来电意图识别研究
剖析：为降低人工分析成本，提高移动客服领域的客户来电意图识别结果，作者分别从基于传统机器学习模型、基于单/多深度学习模型、基于 BERT 和深度学习模型组合三个方面，进行移动客服领域的客户来电意图识别研究。数据表明作者提出的客户来电意图识别方法是有效的，不仅能够自动对客户来电内容进行分类，减少人工分析代价，而且能够有效提高意图识别效果。本文虽取得了较好的效果，但是BERT和深度学习模型组合方法较简单，所以未来的重点工作是借鉴多模型融合思想，继续探索 BERT 和深度学习模型的组合方法，进一步提升客户来电意图识别效果。
面向机场领域的多源知识问答系统
剖析：本文以机场服务为背景，提出了一种面向多源领域知识的问答系统解决方案。首先使用半自动化知识抽取方法，构建了机场领域知识库；然后分别针对知识库问答和阅读理解问答，面向领域应用进行了改进和优化；最后通过实验证明了各个模型和问答系统的有效性。
学术头条已建立微信交流群，想进群的同学请加学术君微信：AMiner308，记得备注：名字+单位/学校噢！
✦ SIGCOMM 2019北京开幕，近五年SIGCOMM高引论文TOP10有哪些？
✦ IJCAI 50年获奖学者盘点，那些人工智能领域的闪耀明星！
✦ 预告 |《人工智能之信息检索与推荐》报告即将发布（内含福利）
✦ AI Time 4 | 论道数据共享开放与隐私保护
✦ AI Time 5 | 论道无人驾驶：近在咫尺还是遥遥无期
微信公众号菜单栏为大家设置了“论文推荐”和“优质分享”专栏，欢迎大家关注。
您的转发就是我们最大的动力
点击阅读原文查看更多AMiner学术文章