深兰科技首次参加CCKS2020，三冠王1亚成最大冠军
11月12日至15日，国内知识图谱与语义计算核心学术会议CCKS2020在江西南昌成功召开，深兰科技DeepBlue AI团队首次参加，并获得三冠王，成为本次会议唯一一个获得多项冠军的团队。研究小组在“新冠百科知识图类型推断”、“金融领域章节级事件主体提取”、“基于标题的大规模商品实体检索”3个任务中分别获得第1名，在“汉语短句实体连锁手指”任务中以0.00002分的差距获得第2名。此外，本次组委会还特别评选出每项任务最多一个“创新技术奖”，以鼓励创新技术的运用，在“以标题为基础的大型商品实体搜索”任务中再次脱颖而出。
[第1001号]
第十四届全国知识图表和语义计算大会。（CCKS）China Conference on Knowledge Graph and Semantic Computing）由中国汉语信息学会语言和知识计算专业委员会主办，主题为“知识图和认知智能”，共设置了8个相关主题的技术评价任务，为研究人员提供知识图和语义计算技术、旨在提供测试算法和系统的平台和资源，促进国内知识图领域的技术发展，此次包括华为、百度、腾讯、小米、北京大学、上海交通大学、浙江大学等知名企业和学府在内的团队参加了本次大会。随着互联网技术的飞速发展，人们正逐渐从信息时代进入智能时代。知识图谱作为承载基础知识、支持更高层次智能应用的重要载体，在智能时代发挥着非常重要的作用。特别是通过构建多模态知识图谱，基于知识图谱的智能服务可以更好地理解真实世界的数据场景，更好地支持上游任务和行业应用，如推荐系统、语义搜索、智能问答等。深兰科技获胜的三个任务项目，每一个都可以在电子商务、金融、舆论监控等领域发挥重要作用。“新冠百科全书知识图表类型推定”任务要求从实体百科全书（包括Baidu百科全书、Interactive百科全书、Wikipedia、Medical百科全书）页面出发，从所给数据中推定相关实体的类型。然而，由于网页中存在大量非结构化文本的信息，因此文本处理具有挑战性，在确保高精度和覆盖率的同时提取结果仍然是一个巨大的挑战。考虑到数据集的特性，DeepBlue AI团队基于BERT模型构建了几个文本分类器，引入了多个外部数据集，并最终将这些分类器融合在一起，以做出最终的决定。实体类型是知识图谱的重要组成部分，正确的实体类型是构建高质量知识图谱的先决条件。在金融领域，“事件”是投资分析和资产管理的重要决策参考，也是知识图的重要组成部分，“事件提取”是进行图表推理和事件分析的必要过程。在金融领域，事件提取是一项非常重要的任务，在自然语言处理领域，它是一项相对复杂的任务，它的挑战很大程度上体现在文本的复杂性。输入文本可以是句子、段落或章节，而长度文本不能使用限制文本长度的模型。在“金融领域章节级事件主体提取”任务中，团队采用了多标签事件分类和实体识别流水线模型，在标准多标签分类模型中添加了特征提取模块，实体识别模型集成了BERT—LSTM—CRF和阅读理解投票，最终获得了第一名，具有巨大优势。“基于标题的大规模商品实体搜索”是一项典型的语义识别任务，前提是网购已经成为一种生活方式，具有很高的实用价值。产品名称一般都很短，上下文也不丰富。在用户搜索时，文本变得非常口语化。产品标题中有许多变量引用，没有引用映射表。这需要对背景有准确的了解，这就带来了巨大的挑战。团队针对商品搜索任务，在召回阶段放弃了BM25、DSSM等主流召回技术，创新地采用BERT三重奏模型进行召回，并采用基于BERT的两种分类排序方法在排序阶段，搜索准确度达到0.88489。最后，我们不仅获得了第一名，还获得了创新技术奖。从包括CCKS2020在内的国内和国际顶级会议的问题设置中，不难看出，它们的共同点是对着陆应用的重视。随着社会的发展，人工智能逐渐渗透到各个行业，并得到实际应用。深兰科技从成立之初就提出了“基础研究与落地应用”的理念，并取得了显著的成果。会议比赛的结果是对过去的考验，也是对未来不断进步的刺激，“人工智能服务人”将成为深兰科技不可动摇的目标。