山东
近年来，随着人工智能特别是大数据、深度学习和大规模预训练模型的快速发展，知识图谱的理论、方法和应用也有了很大进展。
在知识表示和建模中，知识图谱表示形式更加多样化，从单一语言和符号表示的知识图谱，到多语言和多模态的知识图谱；从结构化知识表示发展到与半结构化和非结构化数据融合的概念-实体-上下文一体化知识表示，从符号知识表示到融合符号和数值的知识表示。在知识获取方面，低资源、真实场景下的知识获取技术也有了长足进步，由传统限定领域的知识抽取，到如今开放领域的多类别知识抽取；由基于知识库的关系获取，到以知识为指导的面向大规模预训练技术的关系获取；由粗粒度有监督学习到细粒度小样本学习，以及由单一模态的概念抽取到跨模态的联合学习。
关注互联互通社区公众号，回复以下编号，可快速下载相关专题报告合辑。
ZSTP001：+知识图谱专题报告合辑(精选七篇)
-基于知识图谱的行业分析
-知识图谱：打破人工智能的认知天花板
-知识图谱标准化白皮书
-知识图谱构建技术综述
-知识图谱与认知智能
-中国知识图谱行业研究报告
-中国知识图谱应用趋势报告
ZSTP002：2022年中国知识图谱行业研究报告
ZSTP003：知识图谱发展报告（2022）
以下是报告部分内容
声明
来源：中国中文信息学会&语言与知识计算专委会，互联互通社区推荐阅读，版权归作者所有。文章内容仅代表作者独立观点，不代表互联互通社区立场，转载目的在于传递更多信息。如涉及作品版权问题，请联系我们删除或做相关处理！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
