报告人：马跃（法国巴黎萨克雷大学）

时间：2024年07月08日 11:30

地址：理科楼LA103

摘要：语义知识的表示与推理是符号人工智能的一个重要方法，其目的是促进知识的共享和理解，为人工智能系统提供丰富的语义基础，以便其具有处理常识知识的能力。例如，基于逻辑的本体语言可以提供对领域知识的一致、准确和可理解进行表示和自动推理。

随着现实中的本体变得复杂而庞大，一个关键的挑战自然出现：如何设计有效方法从大本体中提取符合用户特定兴趣的子本体，从而可以更好的给用户提供有针对性的信息？鉴于简单的信息提取不足以保持知识的完整性，本报告将演示若干前沿的知识提取技术，如本体证据(justifications)、本体模块(modules)、本体摘录(excerpts)。这些技术针对不同的应用场景而设计，目的是实现可定制的语义技术。

简介：马跃于2008年在北京大学数学科学学院应用数学专业获博士学位。现为法国巴黎萨克雷大学计算机实验室副教授。已经在人工智能、知识表示与自动推理、信息提取领域发表国际期刊10余篇，国际会议文章40余篇（如IJCAI，AAAI，KR，AMMAS, IJCAR）。主持法德国际合作项目 (本体查询与问答方法，2016-2019,ANR-DNG资助)，负责法国EXPIDA项目（具有可解释性的偏好模型及其在不一致数据库的应用，2023-2027，ANR资助），参加法国医院高校十年合作项目IHU Prometheus，Thales高校企业合作博士培养项目（2016-2019）和IBM高校企业合作博士培养项目（2020-2023）。

邀请人：穆春来

欢迎广大师生积极参与！