本文轉載自公衆號：專知。
知識圖譜封裝了實體和關係。知識圖譜的簡潔表示格式和圖的特性使得許多新的Web應用程序得以創建，並增強了現有的應用性能。然而，在一個知識圖譜中，描述一個實體的幾十個或幾百個事實可能會超出一個典型用戶界面的能力，並使用戶超載過多的信息。這激發了對實體摘要的富有成果的研究——爲實體自動生成緊湊的摘要，以高效和有效地滿足用戶的信息需求。例如，在其搜索結果頁面右側，谷歌通過選擇和顯示用戶可能正在搜索的特定實體的一些事實，爲其知識圖中的實體提供“最佳摘要”。
近年來，研究人員通過提出從純粹的排序和挖掘技術到機器和深度學習技術等各種方法，對這個問題做出了貢獻。技術水平不斷提高，同時也使社區和新來者很難跟上該領域最近和過去的貢獻。此外，儘管知識圖譜在學術界和產業界越來越流行，但迄今爲止還沒有對該問題領域的最新趨勢和基本構件進行教育和討論。本教程的目的就是填補這一空白。
https://sites.google.com/view/entity-summarization-tutorials/www2020
點擊閱讀原文，下載 PPT。
OpenKG
開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數據的開放與互聯，促進知識圖譜和語義技術的普及和廣泛應用。
