11月12日至15日，中国知识图谱和语义计算领域的核心学术会议CCKS2020在江西南昌成功举行。 DeepBlue Technology的DeepBlueAI团队首次参加，赢得了三个冠军和一个亚洲冠军，成为唯一赢得多个冠军的大会。团队。该团队在“ New Crown百科全书知识图类型推断”，“金融领域的章级事件主题提取”和“基于以下内容的大规模商品实体提取”的三个（子）任务中赢得了第一名。标题”。在“中文短文本的实体链接指”的任务中，它仅以0.00002分的差异排名第二。此外，本届会议的组委会还专门选出了最多一项“创新技术奖”。对于每一项任务，特别是鼓励使用创新技术。 Deep Blue Technology在“基于标题的大规模商品实体检索”中的任务中国再次脱颖而出。第十四届全国知识图谱和语义计算大会（CCKS：ChinaConferenceonKnowledgeGraphandSemanticComputing）由中国信息学会语言和知识计算专业委员会主办。主题是“知识图和认知智能”。共设立了8个与技术评估任务相关的主题，旨在为研究人员提供平台和资源，以测试知识图和语义计算技术，算法和系统，并促进国内知识图的技术发展。这次吸引了来自华为，百度，腾讯，小米，北京大学，上海交通大学，浙江大学等知名企业和大学的车队同台竞技。随着Internet技术的飞速发展，人们已经从信息时代逐渐进入了智能时代。作为在底层承载大量知识并支持上层智能应用程序的重要载体，知识图在智能时代起着极其重要的作用。特别是，多模式知识图的构建可以使基于知识图的智能服务能够更好地理解现实世界的数据场景，从而更好地支持各种上游任务和行业应用，例如推荐系统，语义搜索，智能问题和解决方案。答案等。 DeepBlue Technology赢得冠军的三个任务计划可以在电子商务，金融，民意监测和其他领域的应用中发挥重要作用。任务“ New Crown Encyclopedia Knowledge Graph Type Inference”的任务是：需要从实体百科全书（包括百度百科，交互式百科全书，维基百科和医学百科全书）的页面开始，并从给定数据推断相关实体的类型。然而，大量信息以非结构化文本的形式呈现在网页中，并且文本处理困难，并且同时确保高精度和覆盖提取结果仍然是巨大的挑战。鉴于数据集的特征，DeepBlueAI团队基于BERT模型构建了多个文本分类器，并引入了多个外部数据集。最后，将这些分类器融合以获得最终的判断结果。实体类型是知识图的重要组成部分，正确的实体类型是构造高质量知识图的前提。 “事件”它是金融领域中投资分析和资产管理的重要决策参考，也是知识图谱的重要组成部分，“事件提取”功能也很重要。是图推理和事件分析的必要过程。在金融领域，“事件提取”指的是“事件提取”。在自然语言处理领域，这是一项非常重要的任务，也是一项相对复杂的任务。它的挑战很大一部分体现在文本的复杂性上：输入文本可以是句子，段落或章节。可变长度的文本使得无法使用限制文本长度的模型。在“提取金融领域中章节级事件的主题”的任务中，该团队使用了多标签事件分类加实体识别流水线模型，并向标准的多标签分类模型中添加了特征提取模块。实体识别模型使用BERT-LSTM-CRF。与阅读理解投票相结合的方法最终以更大的优势赢得了第一名。 “基于标题的大规模商品实体检索”；是一种典型的语义识别任务，在在线阅读的前提下具有非常实用的价值。