来自微软研究院的 高剑锋， Michel Galley ，以及来自 Google的李力鸿， 在今年的7月8日的SIGIR 2018， 以及将要到来的7月15日的 ACL2018上，会做出关于神经网络方法在对话系统中的应用的报告。在这个 PPT中，他们首先介绍与自然语言处理和对话人工智能相关的深度学习和增强学习的最新进展。然后，详细地描述了为实现三种对话系统而开发的最先进的神经网络方法。 阅读理解问答。阅读理解 QA 能够从Web文档和预编译的知识图谱(KG 's)等各种数据源获取的丰富知识，为

数据稀疏和冷启动是当前推荐系统面临的两大挑战。以知识图谱为表现形式的附加信息能够在某种程度上缓解数据稀疏和冷启动带来的负面影响，进而提高推荐的准确度。本文综述了最近提出的应用知识图谱的推荐方法和系统，并依据知识图谱来源与构建方法、推荐系统利用知识图谱的方式，提出了应用知识图谱的推荐方法和系统的分类框架，进一步分析了本领域的研究难点。本文还给出了文献中常用的数据集。最后讨论了未来有价值的研究方向。

CCF，https://dl.ccf.org.cn/lecture/lectureDetail?id=5192658592499712。摘要：基于知识管理、知识共享、知识迁移等目的，对于一种标准化的知识存储方法从WordNet、Wikipedia一直到当今的知识图谱，工作未曾停歇。在传统场景下，知识图谱的构建主要是基于专家知识半自动生成的，面向的是人类的有效知识。这类知识图谱为商务上的推荐系统、推理系统提供了许多的帮助，并且为人工智能的迁移学习等应用打下了基础。除此之外，知识图谱的概念也可能更加

本文来自作者李文哲，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、前沿领域以及整体知识架构达到多学科融合目的的现代理论。从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考

本文来自作者李文哲，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、前沿领域以及整体知识架构达到多学科融合目的的现代理论。从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。 本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建