科大讯飞以InterHT模型位居OGB知识图谱榜单榜首

　　学习机中应用。学习机中内置的“AI个性化精准学系统”，技术内核便是“知识图谱找弱项”，能够在一定程度上帮助孩子找到学习弱项，实现个性化精准学。

　　位居榜首，知识图谱水平再上一城! OGB是斯坦福大学发布的国际知识图谱基准数据集，包含知识图谱中的节点预测和关系预测等任务，包括蒙特利尔大学、伦敦大学学院、Meta(原Facebook)在内的众多国内外知名高校及公司参与挑战。

　　OGB包含3项评测任务：节点性质预测(node property predon)、链接性质预测(link property prediction)以及图性质预测(graph property prediction)。 其中，本次夺冠榜单为高难度任务榜单ogbl-wikikg2，该榜单数据来源于Wikidata知识库，数据量庞大且极具应用价值。该数据集描述了现实中约250万个实体之间的500多种不同关系，挑战任务为在1700多万个事实三元组中精准预测实体间的潜在关系，挖掘出正确的新三元组。

　　该任务采用国际通用的评价机制，平均倒数排名Mean Reciprocal Rank (MRR)作为评价指标 科大讯飞参赛团队创新性提出了融合不一样的角色实体(头实体和尾实体)语义信息的知识图谱嵌入模型InterHT，以67.79%的成绩位居评测榜首，在验证集和测试集上的效果均显著超越榜单上第二、三名的模型。

　　InterHT模型突破了多关系、多模式的大规模复杂图谱预测技术瓶颈，通过头实体与尾实体的交互，强化实体语义和关系表示，聚焦不同实体角色，深入挖掘潜藏信息，提升知识图谱预测的效果。

　　创新推出“知识图谱找弱项”，实现个性化精准学 此次获奖技术能应用于需要识别海量实体及复杂关系的应用场景，实现新三元组预测和验证，并有效挖掘潜藏关系和表示，在教育、医疗、司法等领域的知识图谱构建和补全上都有重要的应用价值。 2019年，科大讯飞正式对外发布AI学习机，内置“AI个性化精准学系统”，其技术内核便是“知识图谱找弱项”—— 利用AI定位孩子的知识薄弱点，针对性做学情分析，精准推荐学习方案，为每个孩子定制个性化精准学习路径，从而帮助学生高效学习，帮助家长减轻辅导负担，为孩子的五育并举赢得更多时间和空间，让因材施教的梦想照进现实。 2021年，科大讯飞董事长刘庆峰在科大讯飞AI学习机T10发布会上，定义了AI学习机的4+1标准，即“能对学情做分析、能对学习做推荐、能对语言做提升、能以成效促信心、阳光绿色能守护”。

　　相较于“一对多”的线上大课堂，科大讯飞AI学习机T10更能帮助孩子实现“个性化精准学”：

　　AI个性化精准学习系统与AI错题诊断，会帮助孩子形成“数理化生英语”五大学科的全新知识图谱体系;

　　AI口语评测能够让学生与AI学习机进行高效、无障碍的交互，进行语言评测和训练;

　　如果你的身边有科大讯飞AI学习机，都可以来体验一下知识图谱找弱项技术。欢迎在留言区分享使用心得，我们将在2月17日抽取2位关注科大讯飞本账号的粉丝，送出小礼物一份。

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉学习机学习机+关注

　　和行业应用相互结合时，需要充分的发挥其技术特色，且要适用于现在的企业应用。那么

　　，能否一个在人工不干预的情况下，自动识别出同类事物；当一名影星再婚之后，是不是能够在人工不干预的情况下，自动识别他的新配偶。（2） 目标的多样化

　　，智能化的理解用户的搜索请求，使得搜索更简单更准确，使用户得到满足找数据、找报告的需求。KGB

　　可以精确语义描述现实世界中的各种实体及其联系，其中顶点表示实体，边表示实体间的联系。

　　划分的相关算法及研究 /

　　就是把所有不一样的种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。

　　相结合和命名实体识别的研究工作 /

　　是NLP的未来吗？ /

　　研究 /

　　由节点和边组成。节点可以是实体，如一个人、一本书等，或是抽象的概念，如人工智能、

　　的发展 /

　　的典型应用 /

　　【中文浓缩】SpaceX星舰助推器5燃料罐底现身，连接臂扩展组件制作中