全國知識圖譜與語義計算大會（China Conference on Knowledge Graph and Semantic Computing，CCKS）由中國中文信息學會語言與知識計算專業(yè)委員會主辦，大會源自中文知識圖譜研討會（Chinese Knowledge Graph Symposium，CKGS）和中國語義網(wǎng)與萬維網(wǎng)科學大會（Chinese Semantic Web and Web Science Conference，CSWS），2016年兩會合并，CCKS 2016、2017、2018、2019、2020、2021、2022、2023和2024分別在北京、成都、天津、杭州、南昌、廣州（線上）、秦皇島、沈陽和重慶舉辦。全國知識圖譜與語義計算大會已經(jīng)成為國內(nèi)知識圖譜、語義技術(shù)等領(lǐng)域的核心學術(shù)會議，聚集了知識表示與推理、自然語言理解與知識獲取、圖數(shù)據(jù)管理與圖計算、智能問答等相關(guān)技術(shù)領(lǐng)域的學者和研發(fā)人員。本次全國知識圖譜與語義計算大會（CCKS 2025）將于2025年9月19日至21日在福州召開。

本屆大會的主題是“大模型智能體與知識計算”，旨在探討在知識圖譜的支持下，如何提升大模型智能體在知識計算方面的準確性和可靠性。大會將具體探討知識表示、知識存儲、知識挖掘、知識融合、知識推理、可解釋性、倫理、知識圖譜增強的大模型、智能體架構(gòu)等知識圖譜和大模型智能體關(guān)鍵技術(shù)，以引導大模型時代知識計算技術(shù)的范式變革和知識增強的大模型智能體技術(shù)發(fā)展。大會議程將包括講習班、大會特邀報告、前沿趨勢論壇、工業(yè)界論壇、青年學者論壇、評測與競賽、論文報告、海報與系統(tǒng)展示等環(huán)節(jié)，邀請國內(nèi)外知名學者介紹相關(guān)領(lǐng)域的最新進展和發(fā)展趨勢，邀請產(chǎn)業(yè)界知名研發(fā)人員分享實戰(zhàn)經(jīng)驗，促進產(chǎn)學研合作。

除研究論文與應用論文之外，本屆大會將繼續(xù)設(shè)置知識圖譜開放資源主題，旨在支持并推動學術(shù)界和工業(yè)界的數(shù)據(jù)資源共享。資源包括但不限于：知識圖譜/本體、數(shù)據(jù)集/評測集、軟件工具/服務(wù)/API/框架、協(xié)議/標準規(guī)范等，并鼓勵將資源發(fā)布在開放知識圖譜社區(qū)（OpenKG）。審稿人將從資源的質(zhì)量和潛在影響力、可復用性（例如說明文檔）、可獲得性（例如網(wǎng)址和開源協(xié)議）等維度綜合評價資源和論文的質(zhì)量，OpenKG將對入選的開放資源進行宣傳推廣。

大會主席：梁吉業(yè)（山西大學）

陳國龍（福州大學）

劉康（中科院自動化所）

程序委員會主席：張靜（中國人民大學）

王志春（北京師范大學）

本地主席：廖祥文（福州大學）

注冊主席：

余小燕（福州大學）

宣傳主席：

蔡毅（華南理工大學）

侯磊（清華大學）

出版主席：

林鴻宇（中科院軟件所）

劉永彬（南華大學）

講習班主席：

錢鐵云（武漢大學）

楊洋（浙江大學）

評測主席：

任飛亮（東北大學）

畢勝（東南大學）

前沿趨勢論壇主席：王曉玲（華東師范大學）

張虎（山西大學）

青年學者論壇主席：

趙翔（國防科技大學）

曹藝馨（復旦大學）

海報/演示主席：柳廳文（中科院信工所）

張文（浙江大學）

贊助主席：李直旭（中國人民大學）

徐常亮（國科大杭州高等研究院）

工業(yè)主席：梁磊（螞蟻集團）

王泉（北京郵電大學）

網(wǎng)站主席：陳超（哈爾濱工業(yè)大學（深圳））

曹鵬飛（中科院自動化所）

領(lǐng)域主席：

知識表示與知識圖譜推理：朱一凡（北京郵電大學）

朱倩男（北京師范大學）

知識圖譜構(gòu)建與知識集成：石戈（北京工業(yè)大學）

吳雨婷（北京交通大學）

圖數(shù)據(jù)庫與知識管理：馬杰（西安交通大學）

李亞坤（北京林業(yè)大學）

知識圖譜增強的大模型：楊麟兒（北京語言大學）

宋凌云（西北工業(yè)大學）

知識圖譜與大模型及智能體應用：鄧淑敏（新加坡國立大學）

李岱峰（中山大學）

知識圖譜與大模型開放資源：辛欣（北京理工大學）

黃鍇宇（北京交通大學）

以下內(nèi)容為GPT視角對CCKS 全國知識圖譜與語義計算大會相關(guān)領(lǐng)域的研究解讀，僅供參考：

全國知識圖譜與語義計算研究現(xiàn)狀

一、知識圖譜研究現(xiàn)狀

技術(shù)進展：

知識圖譜技術(shù)已經(jīng)取得了顯著的進展，特別是在信息抽取、融合和推理方面。隨著自然語言處理、圖像識別、機器學習等技術(shù)的不斷發(fā)展，知識圖譜的構(gòu)建和應用變得更加高效和準確。

當前，知識圖譜技術(shù)已經(jīng)被廣泛用于處理結(jié)構(gòu)化數(shù)據(jù)和文本數(shù)據(jù)，但對于視覺、聽覺數(shù)據(jù)等的關(guān)注度相對較低，且仍缺乏有效的技術(shù)手段來從這些數(shù)據(jù)中抽取知識。因此，構(gòu)建多模態(tài)知識圖譜成為未來發(fā)展的關(guān)鍵方向之一。

應用場景：

知識圖譜的應用場景不斷拓展，從傳統(tǒng)的搜索引擎和智能問答系統(tǒng)拓展至智能制造、智慧城市等新興領(lǐng)域。在這些領(lǐng)域中，知識圖譜為各行各業(yè)提供了更精準、更智能的信息服務(wù)。

例如，在智能制造領(lǐng)域，知識圖譜可以幫助企業(yè)實現(xiàn)智能化生產(chǎn)和管理；在智慧城市領(lǐng)域，知識圖譜可以提升城市管理和服務(wù)的智能化水平。

市場競爭：

在全球范圍內(nèi)，大型科技公司如Google、Microsoft、Facebook等在知識圖譜領(lǐng)域占據(jù)主導地位。這些公司擁有龐大的數(shù)據(jù)資源和強大的技術(shù)實力，能夠構(gòu)建廣泛且深度的知識圖譜，并將其集成到其產(chǎn)品和服務(wù)中，形成強大的生態(tài)系統(tǒng)。

在中國市場，也涌現(xiàn)出了一批具有競爭力的企業(yè)，如百度、阿里巴巴、騰訊等。這些企業(yè)在知識圖譜領(lǐng)域不斷投入研發(fā)資源，推動技術(shù)的創(chuàng)新和應用。

政策支持：

國家及地方政府對人工智能、大數(shù)據(jù)等技術(shù)的支持政策為知識圖譜行業(yè)的發(fā)展提供了良好的環(huán)境。這些政策鼓勵企業(yè)加大研發(fā)投入，推動技術(shù)創(chuàng)新和應用落地。

二、語義計算研究現(xiàn)狀

技術(shù)挑戰(zhàn)：

語義計算需要突破靜態(tài)語義多義素選擇與動態(tài)語義的不確定性計算難題。這要求研究人員在語義理解和計算方面取得更多的進展。

資源庫建設(shè)：

資源庫建設(shè)是語言智能研究的基礎(chǔ)。為了推動語義計算的發(fā)展，需要依據(jù)國家語言文字發(fā)展戰(zhàn)略，圍繞語言智能發(fā)展目標，確定資源建設(shè)任務(wù)，并協(xié)同多方力量分步組織實施。

成果轉(zhuǎn)化：

語義計算的研究成果需要轉(zhuǎn)化為實際的產(chǎn)品和服務(wù)，為社會提供語言智能服務(wù)。這要求研究人員與企業(yè)合作，推動技術(shù)的商業(yè)化應用。

應用場景：

語義計算在多個領(lǐng)域都有潛在的應用價值，如智能問答、情感分析、機器翻譯等。隨著技術(shù)的不斷進步，語義計算的應用場景將不斷拓展。

全國知識圖譜與語義計算研究可以應用在哪些行業(yè)或產(chǎn)業(yè)領(lǐng)域

一、金融行業(yè)

知識圖譜在金融行業(yè)的應用十分廣泛，主要得益于其深度感知、廣泛互聯(lián)孤立數(shù)據(jù)、高度智能共享分析等優(yōu)勢。金融機構(gòu)可以利用知識圖譜擴展現(xiàn)有數(shù)字資源的廣度和深度，支撐智能應用，補全因果鏈條，解決和打破信息繭房，為智慧金融建設(shè)提供可行的方案。例如，在風控領(lǐng)域，知識圖譜可以快速識別和分析潛在的風險因素，提高金融機構(gòu)的風險管理能力。

二、醫(yī)療領(lǐng)域

在醫(yī)療領(lǐng)域，知識圖譜的應用也備受關(guān)注?；趶姶蟮恼Z義處理與開放互聯(lián)能力，知識圖譜能夠建立較系統(tǒng)完善的知識庫并提供高效檢索。面對知識管理、語義檢索、商業(yè)分析、決策支持等方面需求，醫(yī)學知識圖譜能推進海量數(shù)據(jù)的智能處理，催生上層智能醫(yī)學的應用。隨著人工智能的飛速發(fā)展以及精準醫(yī)療、智慧醫(yī)療的提出，醫(yī)學知識圖譜的應用關(guān)注度在日益上升，輔助診療大有可為。

三、公共安全與政務(wù)

在公共安全及政務(wù)領(lǐng)域，知識圖譜的應用主要體現(xiàn)在處理海量數(shù)據(jù)方面。引入知識圖譜技術(shù)可以打破行業(yè)的數(shù)據(jù)孤島難題，將數(shù)據(jù)進行連接后挖掘出更多有價值的信息。例如，公安知識圖譜通過數(shù)據(jù)采集、處理、數(shù)據(jù)庫重構(gòu)、知識轉(zhuǎn)化和實戰(zhàn)應用，運用分布式存儲、關(guān)聯(lián)算法、語義推理等技術(shù)，可以構(gòu)建一張具有公安特性的多維多層的實體與實體、實體與事件的關(guān)系網(wǎng)絡(luò)，實現(xiàn)公安技術(shù)與業(yè)務(wù)的深度融合。

四、工業(yè)領(lǐng)域

工業(yè)知識圖譜是基于工業(yè)產(chǎn)品研發(fā)、生產(chǎn)、運行、保障、營銷和企業(yè)管理等運行規(guī)律建立的關(guān)系網(wǎng)絡(luò)，用于更好地組織、管理和理解工業(yè)體系的內(nèi)部聯(lián)系。它是知識圖譜的重點發(fā)展方向之一，有助于提升工業(yè)生產(chǎn)的智能化水平和效率。

五、電商行業(yè)

在電商行業(yè)，知識圖譜也發(fā)揮著重要作用。它廣泛應用于搜索、前端導購、平臺治理、智能問答、品牌商運營等核心和創(chuàng)新業(yè)務(wù)。通過建立聯(lián)系賦能搜索推薦，知識圖譜可以實現(xiàn)個性化推薦，滿足用戶需求。同時，它還可以幫助電商透視全局數(shù)據(jù)，協(xié)助平臺治理運營發(fā)現(xiàn)問題商品，提高消費者購物體驗等。

六、教育與科研

在教育領(lǐng)域，知識圖譜可以用于構(gòu)建學科知識體系、智能推薦學習資源、評估學生學習進度等方面。它有助于提升教育的個性化和智能化水平，為學生提供更好的學習體驗。在科研領(lǐng)域，知識圖譜可以用于整理和分析科研成果、構(gòu)建科研合作網(wǎng)絡(luò)、預測科研趨勢等，為科研人員提供有力的支持。

七、其他領(lǐng)域

除了上述領(lǐng)域外，知識圖譜與語義計算還可以應用于媒體與廣告、智慧城市、旅游與交通等多個領(lǐng)域。例如，在媒體與廣告領(lǐng)域，知識圖譜可以用于智能推薦廣告內(nèi)容、分析用戶興趣和行為等；在智慧城市領(lǐng)域，它可以用于構(gòu)建城市知識圖譜、優(yōu)化城市交通和公共服務(wù)等；在旅游與交通領(lǐng)域，它可以用于智能推薦旅游路線、分析交通流量和擁堵情況等。

全國知識圖譜與語義計算領(lǐng)域有哪些知名研究機構(gòu)或企業(yè)品牌

研究機構(gòu)

清華大學

自然語言處理與社會人文計算實驗室：專注于自然語言處理和知識圖譜相關(guān)領(lǐng)域的研究，擁有強大的研究團隊和豐碩的研究成果。

智能技術(shù)與系統(tǒng)國家重點實驗室信息檢索組：也在知識圖譜與語義計算方面有著深入的研究和探索。

北京大學

計算語言學教育部重點實驗室：致力于自然語言處理、知識圖譜等前沿技術(shù)的研究，推動相關(guān)領(lǐng)域的創(chuàng)新發(fā)展。

計算機科學技術(shù)研究所語言計算與互聯(lián)網(wǎng)挖掘研究室：同樣在知識圖譜與語義計算領(lǐng)域有著顯著的研究成果和貢獻。

中國科學院

計算所自然語言處理研究組、自動化研究所語音語言技術(shù)研究組以及軟件研究所中文信息處理實驗室：這些機構(gòu)在知識圖譜、自然語言處理、語義計算等領(lǐng)域均有著深厚的研究基礎(chǔ)和豐富的實踐經(jīng)驗。

哈爾濱工業(yè)大學

社會計算與信息檢索研究中心、機器智能與翻譯研究室以及人類語言技術(shù)研究組：這些研究機構(gòu)在知識圖譜的構(gòu)建、應用以及與其他技術(shù)的融合方面有著獨特的見解和突出的成果。

其他高校研究機構(gòu)

如復旦大學、南京大學、東北大學、廈門大學等高校的自然語言處理研究組：也在知識圖譜與語義計算領(lǐng)域進行著積極的探索和研究。

企業(yè)品牌

百度

作為中國互聯(lián)網(wǎng)行業(yè)的領(lǐng)軍企業(yè)，百度在知識圖譜領(lǐng)域有著深厚的技術(shù)積累和豐富的應用經(jīng)驗。其知識圖譜技術(shù)廣泛應用于搜索、推薦、問答等多個場景，為用戶提供更加智能、便捷的信息服務(wù)。

騰訊

騰訊人工智能實驗室（Tencent AI Lab）在自然語言處理、知識圖譜等領(lǐng)域有著顯著的研究成果。其知識圖譜技術(shù)被廣泛應用于社交、游戲、廣告等多個業(yè)務(wù)領(lǐng)域，為騰訊的業(yè)務(wù)發(fā)展提供了有力的技術(shù)支撐。

阿里巴巴

阿里巴巴達摩院語言技術(shù)實驗室是阿里巴巴在知識圖譜與語義計算領(lǐng)域的重要研究機構(gòu)。該實驗室致力于自然語言處理、知識圖譜等前沿技術(shù)的研究和創(chuàng)新，為阿里巴巴的電商、金融等業(yè)務(wù)提供了智能化的技術(shù)支持。

其他知名企業(yè)

如微軟亞洲研究院、華為等：這些企業(yè)在知識圖譜與語義計算領(lǐng)域也有著深入的研究和探索，不斷推動相關(guān)技術(shù)的創(chuàng)新和發(fā)展。

全國知識圖譜與語義計算領(lǐng)域有哪些招聘崗位或就業(yè)機會

一、研發(fā)類崗位

知識圖譜研發(fā)工程師

負責知識圖譜的構(gòu)建、優(yōu)化和維護工作，包括數(shù)據(jù)收集、實體抽取、關(guān)系抽取、知識融合等。

要求具備扎實的計算機科學基礎(chǔ)，熟悉自然語言處理、機器學習等相關(guān)技術(shù)。

語義計算工程師

專注于語義理解、語義推理等方面的研發(fā)工作，致力于提升系統(tǒng)的語義處理能力。

需要具備豐富的語義處理經(jīng)驗和扎實的技術(shù)基礎(chǔ)。

自然語言處理（NLP）工程師

在知識圖譜與語義計算領(lǐng)域，NLP工程師負責處理和理解自然語言文本，提取有用信息，并用于構(gòu)建和優(yōu)化知識圖譜。

要求熟悉NLP技術(shù)，包括分詞、詞性標注、命名實體識別、關(guān)系抽取等。

二、算法類崗位

知識圖譜算法工程師

負責設(shè)計并實現(xiàn)知識圖譜相關(guān)的算法，如實體鏈接、關(guān)系推理、知識推理等。

需要具備深厚的算法基礎(chǔ)和編程能力，熟悉圖數(shù)據(jù)庫和相關(guān)知識圖譜工具。

語義匹配算法工程師

專注于語義匹配算法的研發(fā)，致力于提高系統(tǒng)的語義匹配精度和效率。

要求具備扎實的算法基礎(chǔ)和豐富的實踐經(jīng)驗。

三、數(shù)據(jù)類崗位

知識圖譜數(shù)據(jù)工程師

負責知識圖譜數(shù)據(jù)的采集、清洗、整合和標注等工作。

需要具備數(shù)據(jù)處理和數(shù)據(jù)庫管理方面的經(jīng)驗，熟悉數(shù)據(jù)清洗和標注工具。

數(shù)據(jù)標注員

在知識圖譜構(gòu)建過程中，負責標注實體、關(guān)系等關(guān)鍵信息，為算法模型提供訓練數(shù)據(jù)。

要求具備基本的計算機操作和文本處理能力。

四、產(chǎn)品類崗位

知識圖譜產(chǎn)品經(jīng)理

負責知識圖譜產(chǎn)品的規(guī)劃、設(shè)計和管理工作，推動產(chǎn)品的迭代和優(yōu)化。

需要具備產(chǎn)品設(shè)計和項目管理經(jīng)驗，熟悉知識圖譜產(chǎn)品的應用場景和用戶需求。

五、銷售與市場類崗位

知識圖譜銷售工程師

負責知識圖譜產(chǎn)品的市場推廣和銷售工作，與客戶溝通需求，提供解決方案。

要求具備良好的溝通能力和銷售技巧，熟悉知識圖譜產(chǎn)品的技術(shù)特點和市場趨勢。

市場分析師

負責分析知識圖譜市場的動態(tài)和趨勢，為公司的戰(zhàn)略決策提供數(shù)據(jù)支持。

需要具備市場分析和數(shù)據(jù)挖掘能力，熟悉知識圖譜行業(yè)的競爭格局和發(fā)展前景。