8月12日（周三）晚上7:30，知识工场实验室联合电子工业出版社博文视点荣幸邀请到武汉大学钱铁云教授，为大家带来一场【面向复杂和低资源环境的方面级情感分析】精彩报告分享！知识图谱前沿论坛系列直播 第3期面向复杂和低资源环境的方面级情感分析8月12日（周三） 19:30分享摘要随着互联网的快速发展，用户从信息的被动接收者转变为主动提供者，网上产生了大量关于事件、商品、服务等有价值的评论信息，表达了人

从电信网络到社交网络，从经济网络到生物医学网络……图结构的数据无处不在。如何提取图的特征，表示或编码图的结构，基于图数据进行学习、推理和归纳变得越来越重要。因为无论是进行数据挖掘、分析社交网络，还是优化推荐系统、问答系统，乃至未来破解AI黑盒、增强AI可解释性与鲁棒性，实现认知智能甚至通用人工智能，图都极有可能是其中必不可少的一环。近年来，关于图表示学习（Graph Representation

在人工智能日久见兴盛的今天，AI领域的图书多如牛毛，想要入门机器学习有很多很多的选择，可博文菌翻来翻去后发现，选择都是你们的，悲伤是自己的……因为……对于博文菌这样一个只有高中数学基础的憨憨，什么神级入门书、什么网红AI小册子，在菌眼里字都认识没错，可连在一起怎么就那么难懂呢！？不仅满脸迷惑，线性回归、对率回归、支持向量机、人工神经网络几个兄弟随时都有可能冲过来送上一顿乱锤，那滋味儿……都说...

以下内容节选自《Flink实战派》一书！大数据技术和人工智能（机器学习）的结合，使利用数据价值的技术有了新的突破。在通常情况下，大数据技术与机器学习是互相促进、相依相存的关系。01大数据和机器学习之间的关系机器学习不仅需要合理、适用和先进的算法，还需要依赖足够好和足够多的数据。大数据可以提高机器学习模型的精确性。数据的数据量越多，质量越高，机器学习的效率和准确性就越高。机器学习是大数据分析的一个重

第 7 章和第 8 章围绕大语言模型的应用和评估开展介绍，包括将大语言模型与外部工具和知 识源进行连接的 LangChain 框架、大语言模型在智能代理及多模态大模型等方面的研究和应用情 况，以及传统的语言模型评估方式、针对大语言模型使用的各类评估方法。例如：提示词：复旦大学有几个校区？强化学习（Reinforcement Learning，RL）阶段根据数十万用户给出的提示词，利用前一阶段训练的

当深度学习遇上图，会碰撞出怎样的火花呢？本文就带你来了解一下——近年来逆势而上的一门技术：图神经网络！内容选自《图神经网络：基础与前沿（全彩）》一书！01什么是图也许我们从来没有意识到，我们正生活在一个充满图的世界。例如，我们最熟悉的社交网络（如下图所示），就是一个最典型的图。在计算机领域，我们通常用图指代一种广义的抽象结构，用来表示一堆实体和它们之间的关系。实体被叫作图的节点，而实体和实体之间的

近两年，人工智能领域的大模型可谓炙手可热。以自然语言处理领域为例，自BERT横空出世，在各种评测上分数一飞冲天，在斯坦福阅读理解评测集上超越人类水平之后，各种越来越大的自然语言处理模型不断涌现，并在各种评测中不断刷新出新的记录。图1是近年来不同的预处理模型的情况，可以看出模型规模呈指数级增长。由此，许多人已经对模型越大效果越好（Larger model, better performance）深信

人工智能几乎是近几年最火热的技术名词。仿佛一夜之间，不谈人工智能就是落伍，不搞人工智能产品就表示没能站在风口上。但是当很多中小型团队冲入人工智能领域时，他们会发现，一开始以为是“拦路虎”的算法问题并不是最关键的痛点，而找到一个好的人工智能工程化落地场景，以及快速搭建人工智能工程化技术方案，变成了巨大的、难以跨越的鸿沟。究其本质，取得人工智能核心算法的突破性进展是非常漫长且学术化的行为，尤其是在深度

Gartner的报告指出，到2020年，将有50%的传统老旧应用会以云原生的方式被改造，到2022年，云原生和容器化的普及率将达到75%。随着2020 KubeCon线上大会的结束，我们发现企业拥抱云原生、Kubernetes和Istio的热情空前高涨，这些技术无一例外都为“微服务”的普及铺设了更平坦的道路。企业在拥抱云原生时，将伴随着对现有环境和业务的云原生化迁移，这往往会经历长时间多云环境共存

知识图谱与语言预训练是什么关系呢？本文就将从语言预训练模型开始，介绍知识对语言预训练模型的价值，并介绍几个前沿的知识图谱增强语言预训练模型。01知识图谱与语言预训练关于“知识”的话题有两条不同的技术思路。一条思路认为需要构建知识图谱，利用符号化的表示手段描述知识，才能完成复杂的语言理解和推理问题。另外一条思路认为可以利用语言预训练模型，从大量文本语料中训练得到一个由大量参数组成的模型，这个模型中包