AMiner是全球领先的学术网络分析挖掘系统，基于来自异构数据源的上亿学者、机构、技术概念、科技文献、专利等信息构建了科技领域知识图谱，为用户提供包括专家发现、合作推荐、技术热点趋势分析等功能。为BATH等顶级科技企业及国内外科研机构提供知识智能服务。

异构数据融合是AMiner底层知识图谱构建的核心问题。这次演讲将分享我们在多源异构数据融合、实体排岐等问题上采用的机器学习模型、技术方案及实践心得。

演讲提纲

• 异构数据融合及知识图谱构建介绍
• 异构数据融合中的机器学习方法

1. 异构网络数据的实体表征学习
2. 重名实体排岐及实体链接
3. 交互式验证及基于反馈主动学习

• 基于科技知识图谱的智能服务

听众收益

• 了解异构数据融合及知识图谱构建的核心问题及相关的机器学习技术方案
• 了解科技知识图谱的应用场景