2025CCKS 全国知识图谱与语义计算大会

全国知识图谱与语义计算大会（China Conference on Knowledge Graph and Semantic Computing，CCKS）由中国中文信息学会语言与知识计算专业委员会主办，大会源自中文知识图谱研讨会（Chinese Knowledge Graph Symposium，CKGS）和中国语义网与万维网科学大会（Chinese Semantic Web and Web Science Conference，CSWS），2016年两会合并，CCKS 2016、2017、2018、2019、2020、2021、2022、2023和2024分别在北京、成都、天津、杭州、南昌、广州（线上）、秦皇岛、沈阳和重庆举办。全国知识图谱与语义计算大会已经成为国内知识图谱、语义技术等领域的核心学术会议，聚集了知识表示与推理、自然语言理解与知识获取、图数据管理与图计算、智能问答等相关技术领域的学者和研发人员。本次全国知识图谱与语义计算大会（CCKS 2025）将于2025年9月19日至21日在福州召开。

本届大会的主题是“大模型智能体与知识计算”，旨在探讨在知识图谱的支持下，如何提升大模型智能体在知识计算方面的准确性和可靠性。大会将具体探讨知识表示、知识存储、知识挖掘、知识融合、知识推理、可解释性、伦理、知识图谱增强的大模型、智能体架构等知识图谱和大模型智能体关键技术，以引导大模型时代知识计算技术的范式变革和知识增强的大模型智能体技术发展。大会议程将包括讲习班、大会特邀报告、前沿趋势论坛、工业界论坛、青年学者论坛、评测与竞赛、论文报告、海报与系统展示等环节，邀请国内外知名学者介绍相关领域的最新进展和发展趋势，邀请产业界知名研发人员分享实战经验，促进产学研合作。

除研究论文与应用论文之外，本届大会将继续设置知识图谱开放资源主题，旨在支持并推动学术界和工业界的数据资源共享。资源包括但不限于：知识图谱/本体、数据集/评测集、软件工具/服务/API/框架、协议/标准规范等，并鼓励将资源发布在开放知识图谱社区（OpenKG）。审稿人将从资源的质量和潜在影响力、可复用性（例如说明文档）、可获得性（例如网址和开源协议）等维度综合评价资源和论文的质量，OpenKG将对入选的开放资源进行宣传推广。

大会主席：梁吉业（山西大学）

陈国龙（福州大学）

刘康（中科院自动化所）

程序委员会主席：张静（中国人民大学）

王志春（北京师范大学）

本地主席：廖祥文（福州大学）

注册主席：

余小燕（福州大学）

宣传主席：

蔡毅（华南理工大学）

侯磊（清华大学）

出版主席：

林鸿宇（中科院软件所）

刘永彬（南华大学）

讲习班主席：

钱铁云（武汉大学）

杨洋（浙江大学）

评测主席：

任飞亮（东北大学）

毕胜（东南大学）

前沿趋势论坛主席：王晓玲（华东师范大学）

张虎（山西大学）

青年学者论坛主席：

赵翔（国防科技大学）

曹艺馨（复旦大学）

海报/演示主席：柳厅文（中科院信工所）

张文（浙江大学）

赞助主席：李直旭（中国人民大学）

徐常亮（国科大杭州高等研究院）

工业主席：梁磊（蚂蚁集团）

王泉（北京邮电大学）

网站主席：陈超（哈尔滨工业大学（深圳））

曹鹏飞（中科院自动化所）

领域主席：

知识表示与知识图谱推理：朱一凡（北京邮电大学）

朱倩男（北京师范大学）

知识图谱构建与知识集成：石戈（北京工业大学）

吴雨婷（北京交通大学）

图数据库与知识管理：马杰（西安交通大学）

李亚坤（北京林业大学）

知识图谱增强的大模型：杨麟儿（北京语言大学）

宋凌云（西北工业大学）

知识图谱与大模型及智能体应用：邓淑敏（新加坡国立大学）

李岱峰（中山大学）

知识图谱与大模型开放资源：辛欣（北京理工大学）

黄锴宇（北京交通大学）

以下内容为GPT视角对CCKS 全国知识图谱与语义计算大会相关领域的研究解读，仅供参考：

全国知识图谱与语义计算研究现状

一、知识图谱研究现状

技术进展：

知识图谱技术已经取得了显著的进展，特别是在信息抽取、融合和推理方面。随着自然语言处理、图像识别、机器学习等技术的不断发展，知识图谱的构建和应用变得更加高效和准确。

当前，知识图谱技术已经被广泛用于处理结构化数据和文本数据，但对于视觉、听觉数据等的关注度相对较低，且仍缺乏有效的技术手段来从这些数据中抽取知识。因此，构建多模态知识图谱成为未来发展的关键方向之一。

应用场景：

知识图谱的应用场景不断拓展，从传统的搜索引擎和智能问答系统拓展至智能制造、智慧城市等新兴领域。在这些领域中，知识图谱为各行各业提供了更精准、更智能的信息服务。

例如，在智能制造领域，知识图谱可以帮助企业实现智能化生产和管理；在智慧城市领域，知识图谱可以提升城市管理和服务的智能化水平。

市场竞争：

在全球范围内，大型科技公司如Google、Microsoft、Facebook等在知识图谱领域占据主导地位。这些公司拥有庞大的数据资源和强大的技术实力，能够构建广泛且深度的知识图谱，并将其集成到其产品和服务中，形成强大的生态系统。

在中国市场，也涌现出了一批具有竞争力的企业，如百度、阿里巴巴、腾讯等。这些企业在知识图谱领域不断投入研发资源，推动技术的创新和应用。

政策支持：

国家及地方政府对人工智能、大数据等技术的支持政策为知识图谱行业的发展提供了良好的环境。这些政策鼓励企业加大研发投入，推动技术创新和应用落地。

二、语义计算研究现状

技术挑战：

语义计算需要突破静态语义多义素选择与动态语义的不确定性计算难题。这要求研究人员在语义理解和计算方面取得更多的进展。

资源库建设：

资源库建设是语言智能研究的基础。为了推动语义计算的发展，需要依据国家语言文字发展战略，围绕语言智能发展目标，确定资源建设任务，并协同多方力量分步组织实施。

成果转化：

语义计算的研究成果需要转化为实际的产品和服务，为社会提供语言智能服务。这要求研究人员与企业合作，推动技术的商业化应用。

应用场景：

语义计算在多个领域都有潜在的应用价值，如智能问答、情感分析、机器翻译等。随着技术的不断进步，语义计算的应用场景将不断拓展。

全国知识图谱与语义计算研究可以应用在哪些行业或产业领域

一、金融行业

知识图谱在金融行业的应用十分广泛，主要得益于其深度感知、广泛互联孤立数据、高度智能共享分析等优势。金融机构可以利用知识图谱扩展现有数字资源的广度和深度，支撑智能应用，补全因果链条，解决和打破信息茧房，为智慧金融建设提供可行的方案。例如，在风控领域，知识图谱可以快速识别和分析潜在的风险因素，提高金融机构的风险管理能力。

二、医疗领域

在医疗领域，知识图谱的应用也备受关注。基于强大的语义处理与开放互联能力，知识图谱能够建立较系统完善的知识库并提供高效检索。面对知识管理、语义检索、商业分析、决策支持等方面需求，医学知识图谱能推进海量数据的智能处理，催生上层智能医学的应用。随着人工智能的飞速发展以及精准医疗、智慧医疗的提出，医学知识图谱的应用关注度在日益上升，辅助诊疗大有可为。

三、公共安全与政务

在公共安全及政务领域，知识图谱的应用主要体现在处理海量数据方面。引入知识图谱技术可以打破行业的数据孤岛难题，将数据进行连接后挖掘出更多有价值的信息。例如，公安知识图谱通过数据采集、处理、数据库重构、知识转化和实战应用，运用分布式存储、关联算法、语义推理等技术，可以构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络，实现公安技术与业务的深度融合。

四、工业领域

工业知识图谱是基于工业产品研发、生产、运行、保障、营销和企业管理等运行规律建立的关系网络，用于更好地组织、管理和理解工业体系的内部联系。它是知识图谱的重点发展方向之一，有助于提升工业生产的智能化水平和效率。

五、电商行业

在电商行业，知识图谱也发挥着重要作用。它广泛应用于搜索、前端导购、平台治理、智能问答、品牌商运营等核心和创新业务。通过建立联系赋能搜索推荐，知识图谱可以实现个性化推荐，满足用户需求。同时，它还可以帮助电商透视全局数据，协助平台治理运营发现问题商品，提高消费者购物体验等。

六、教育与科研

在教育领域，知识图谱可以用于构建学科知识体系、智能推荐学习资源、评估学生学习进度等方面。它有助于提升教育的个性化和智能化水平，为学生提供更好的学习体验。在科研领域，知识图谱可以用于整理和分析科研成果、构建科研合作网络、预测科研趋势等，为科研人员提供有力的支持。

七、其他领域

除了上述领域外，知识图谱与语义计算还可以应用于媒体与广告、智慧城市、旅游与交通等多个领域。例如，在媒体与广告领域，知识图谱可以用于智能推荐广告内容、分析用户兴趣和行为等；在智慧城市领域，它可以用于构建城市知识图谱、优化城市交通和公共服务等；在旅游与交通领域，它可以用于智能推荐旅游路线、分析交通流量和拥堵情况等。

全国知识图谱与语义计算领域有哪些知名研究机构或企业品牌

研究机构

清华大学

自然语言处理与社会人文计算实验室：专注于自然语言处理和知识图谱相关领域的研究，拥有强大的研究团队和丰硕的研究成果。

智能技术与系统国家重点实验室信息检索组：也在知识图谱与语义计算方面有着深入的研究和探索。

北京大学

计算语言学教育部重点实验室：致力于自然语言处理、知识图谱等前沿技术的研究，推动相关领域的创新发展。

计算机科学技术研究所语言计算与互联网挖掘研究室：同样在知识图谱与语义计算领域有着显著的研究成果和贡献。

中国科学院

计算所自然语言处理研究组、自动化研究所语音语言技术研究组以及软件研究所中文信息处理实验室：这些机构在知识图谱、自然语言处理、语义计算等领域均有着深厚的研究基础和丰富的实践经验。

哈尔滨工业大学

社会计算与信息检索研究中心、机器智能与翻译研究室以及人类语言技术研究组：这些研究机构在知识图谱的构建、应用以及与其他技术的融合方面有着独特的见解和突出的成果。

其他高校研究机构

如复旦大学、南京大学、东北大学、厦门大学等高校的自然语言处理研究组：也在知识图谱与语义计算领域进行着积极的探索和研究。

企业品牌

百度

作为中国互联网行业的领军企业，百度在知识图谱领域有着深厚的技术积累和丰富的应用经验。其知识图谱技术广泛应用于搜索、推荐、问答等多个场景，为用户提供更加智能、便捷的信息服务。

腾讯

腾讯人工智能实验室（Tencent AI Lab）在自然语言处理、知识图谱等领域有着显著的研究成果。其知识图谱技术被广泛应用于社交、游戏、广告等多个业务领域，为腾讯的业务发展提供了有力的技术支撑。

阿里巴巴

阿里巴巴达摩院语言技术实验室是阿里巴巴在知识图谱与语义计算领域的重要研究机构。该实验室致力于自然语言处理、知识图谱等前沿技术的研究和创新，为阿里巴巴的电商、金融等业务提供了智能化的技术支持。

其他知名企业

如微软亚洲研究院、华为等：这些企业在知识图谱与语义计算领域也有着深入的研究和探索，不断推动相关技术的创新和发展。

全国知识图谱与语义计算领域有哪些招聘岗位或就业机会

一、研发类岗位

知识图谱研发工程师

负责知识图谱的构建、优化和维护工作，包括数据收集、实体抽取、关系抽取、知识融合等。

要求具备扎实的计算机科学基础，熟悉自然语言处理、机器学习等相关技术。

语义计算工程师

专注于语义理解、语义推理等方面的研发工作，致力于提升系统的语义处理能力。

需要具备丰富的语义处理经验和扎实的技术基础。

自然语言处理（NLP）工程师

在知识图谱与语义计算领域，NLP工程师负责处理和理解自然语言文本，提取有用信息，并用于构建和优化知识图谱。

要求熟悉NLP技术，包括分词、词性标注、命名实体识别、关系抽取等。

二、算法类岗位

知识图谱算法工程师

负责设计并实现知识图谱相关的算法，如实体链接、关系推理、知识推理等。

需要具备深厚的算法基础和编程能力，熟悉图数据库和相关知识图谱工具。

语义匹配算法工程师

专注于语义匹配算法的研发，致力于提高系统的语义匹配精度和效率。

要求具备扎实的算法基础和丰富的实践经验。

三、数据类岗位

知识图谱数据工程师

负责知识图谱数据的采集、清洗、整合和标注等工作。

需要具备数据处理和数据库管理方面的经验，熟悉数据清洗和标注工具。

数据标注员

在知识图谱构建过程中，负责标注实体、关系等关键信息，为算法模型提供训练数据。

要求具备基本的计算机操作和文本处理能力。

四、产品类岗位

知识图谱产品经理

负责知识图谱产品的规划、设计和管理工作，推动产品的迭代和优化。

需要具备产品设计和项目管理经验，熟悉知识图谱产品的应用场景和用户需求。

五、销售与市场类岗位

知识图谱销售工程师

负责知识图谱产品的市场推广和销售工作，与客户沟通需求，提供解决方案。

要求具备良好的沟通能力和销售技巧，熟悉知识图谱产品的技术特点和市场趋势。

市场分析师

负责分析知识图谱市场的动态和趋势，为公司的战略决策提供数据支持。

需要具备市场分析和数据挖掘能力，熟悉知识图谱行业的竞争格局和发展前景。