4703
2022-03-29 13:31:26
2022-03-29
征文通知 “知識圖譜賦能的知識工程：理論、技術與系統”專題
知識圖譜（Knowledge Graph）方法與技術是人工智能在知識工程領域發展的最新前沿。知識圖譜正在“感知智能”邁向“認知智能”的過程中扮演著重要角色。近年來，隨著大規模知識圖譜的發布和知識圖譜賦能系統的應用，國內外的學術界和產業界均著力在理論、技術與系統層面對知識圖譜賦能的知識工程進行研究與開發。然而，在理論上，傳統知識工程的方法論已不適用于支撐知識圖譜應用的最新發展；在技術上，單純基于邏輯與規則的傳統知識工程手段已無法適應處理大規模知識圖譜的靈活性要求；在系統層面，基于傳統知識工程的經典專家系統也無法適配到知識圖譜賦能的新一代智慧信息系統。雖然最近幾年國內外學者在知識圖譜及相關方向上取得了若干研究成果，但知識圖譜賦能的知識工程尚未形成成熟的理論體系、技術方法與系統實踐，仍有眾多有待解決的挑戰性前沿問題。
為了促進知識圖譜賦能的知識工程研究、開發與應用，及時、集中、全面地報道知識圖譜賦能的知識工程在理論、方法、技術、系統與應用實踐等方面的最新成果和進展，《計算機科學》擬在2023年第3期策劃出版“知識圖譜賦能的知識工程：理論、技術與系統”專欄（正刊），希望能為相關領域的專家學者提供交流合作、發布最新前沿科研成果的平臺，以促進學術界和工業界的深度融合，推動中國計算機領域的發展。歡迎相關領域的專家學者、科研人員踴躍投稿！
專欄特邀編審
王 鑫 （天津大學）
湯 庸 （華南師范大學）
王昊奮 （同濟大學）
李博涵 （南京航空航天大學）
李建新 （澳大利亞迪肯大學）
征文范圍（包括但不限于以下主題）：
面向知識圖譜的知識表示與建模理論
面向知識圖譜的知識獲取理論與方法
面向知識圖譜的數據管理理論與技術
面向知識圖譜的表示學習理論與方法
面向知識圖譜的數據挖掘與分析
知識圖譜賦能的模型可解釋性
知識圖譜賦能的知識推理與問題求解
知識圖譜賦能的神經網絡與深度學習
知識圖譜賦能的自然語言處理技術
知識圖譜賦能的推薦系統
知識圖譜賦能的問答系統
知識圖譜賦能的多模態信息系統
知識圖譜賦能的可視化信息系統
知識圖譜賦能的領域應用系統
投稿要求
1.投稿方式：通過“計算機科學在線投稿系統（http://www.jsjkx.com）投稿。投稿時請選擇“知識圖譜賦能的知識工程”欄目。
2.稿件格式：參照《計算機科學》官方網站首頁提供的稿件模板排版，中英文稿件均可，內容可以是原創研究型和綜述型成果，鼓勵綜述和長文。
3.投稿文章未在正式出版物上發表過，也不處于其他刊物或會議的審稿過程中，不存在一稿多投現象；投稿文章須保證合法性（無抄襲、剽竊、侵權等不良行為）。
4.其他事項請參閱投稿指南：http://www.jsjkx.com/CN/column/column12.shtml。
5. 通過第一輪評審預錄用的論文作者，需在WISA2022上做學術報告，根據論文修改情況和會議報告情況終審確定是否錄用。
重要時間
投稿截止時間：2022年7月10日
預錄用通知時間：2022年8月31日
WISA2022會議時間：2022年9月16-18日
修改稿提交時間：2022年10月15日
最終錄用通知時間：2022年11月5日
專欄出版時間：2023年3月15日
聯系方式
編輯部聯系人：李老師
E-mail：lyhjsjkx@163.com
電話：023-67039612
通信地址：重慶市渝北區洪湖西路18號
郵編：401121
