手游女生游戏名字大全
　　现在很多哟西里，都会喜欢有着手游的设置哦，这点里，也是很多女生都会喜欢起的都会符合到自己的风格的哦。。手游女生游戏到底这样起才是最好听的呢，一起来看看手游女生吧。
　　一、手游女生游戏大全大全
　　￡紫色★棉花糖彡女战将i、索尼冲刺、摩尔庄园、吾王起灵思天真&、ご盗贼耍↘蛋刀﹌、≮盘古★帝神≯、╬最终メ狂暴╬、ご噬魂★魅影﹌、￡剑魂メ秒杀彡、『地狱★男爵』、￡红眼★夜袭彡、光治愈独角兽罒?罒、乱斗堂、水果忍者、苍穹之剑、娃、mm小游戏、魂斗罗、攻城略地、狂人领袖i、萌尊！、.& turbine&（涡轮）、Govern (统治)、百变五瞎i、@暖宝宝妖精、三朝元老i、￡魔龙★祭天彡、￡天使★翅膀╮、魅色夫人、◢◢无名★悍将◣◣、￡袅袅★烟云彡、≮绿蕊★紫蓝≯、≮佳乐★宝贝≯、≮Azrael★柒岁≯、oO冰暴★战神Oo、≮盖世★袅雄≯、￡浅笑↘嫣然彡、我亦无泪纵横i、金鱼嘴@
　　二、手游女生游戏名字大全最新的
　　『蟑螂★恶霸』、￡越萌↘越好玩彡、￡独孤★傲弑彡、￡泪水↘眼的滑落彡、￡超神★光环╮、≮梦花★如雪≯、ご左肩★蝶舞╮、￡酸酸★果儿彡、￡Sky★king彡、■□迎接光輝歲月゛、※残枫★残雪※、△浅蓝Seう、￡闪电★如风╮、≮梦幻★星空≯、﹏青春&祭&、￡Darcey★依赖彡、╰妖尛薇╮、≮璃落★幽客≯、蔸蔸゛猪、￡冰凊↘素云彡、￡极限★雨寒彡、单机斗地主、疯狂猜成语、永恒的↘双爆、甜蜜草莓恋&、灬亡灵★勇士灬、半夏┛花零落、泪殇_陌小薰、↘风羽★如翼↙、粉色の甜心、≮雨荔★秋垣≯、
　　三、手游女生游戏名字大全有哪些
　　绝代风骚、聚会玩、英雄脸萌、滚吧水果、蹦蹦蹦V5@、无心者、、预感大师、少年纪@、疯狂的玩具、地铁跑酷、王者之剑、Flappy Bird、橙子军团！、若要泡妞、先饭EXO！、舞蹈黑钟、、Provence つ 暗眸&、神逼摇妹er,、黄金矿工双人版、坦克大战s、大家来找茬、五子棋、你画我猜、撕书狂魔i、买梦人i、鹿霸@、风流雅痞妖姑娘っ、久伴你◆◇ヽ逍遥风ぁ、格格巫i、幼稚女神蹦蹦恰！、失心女神，、黑影子^、觅音少女、魔境仙踪、小黄人快跑、兔子大爆炸、滑雪大冒险、逆战、诛心人i、赏你奔雷掌i、萌哒女屌^、梦幻西游2、九阴真经、跑跑卡丁车、完美国际、永恒之塔、糖丶小妖、￡轻唱ㄣ人生彡、热血江湖、御龙在天、传奇世界、天龙八部3、寻仙、街头篮球、征途2、诛仙2、≮血戟★战将≯、￡青春↘不给力彡、￡紫梦★恋星彡、╰）老衲法号帅哥.、孤者为王、消灭星星、 (www.azg168.cn)
　　其实女孩子起的名字，也是很多都会起的方式上都是比较多都，而对于在这点里，大家都会起的是什么的呢。
看过这篇文章的网友还看了以下手游,女生,游戏名字相关文章：
网友阅读最多的文章：
推荐文章列表
Copyright &
All Rights Reserved 版权所有　经营许可证：您所在的位置：
& [大话西游3]心情文章 & 正文
[大话西游3]网虫说事——大话名字
日15:19 　
玩游戏的时候有的人很在乎自己的ID名称，其实这无所谓，但是有的人就是在乎。没辙俺来谈谈，俺曾经见到的和想到的人名。希望大家甭骂我，要是扔鸡蛋。先煮熟了您内，这不夜深正饿着呢嘛。要是砸石头还请您挑那拿不动的，要么砸自己脚，要么砸地上对于我来说那样安全。成废话甭提咱跟你说正紧的。
网名分很多种抒情的，另类的，托物言志的，坑蒙拐骗的，晦涩难懂的，名人字号，电影电视名字，电影角色名字，明星名字，锅碗瓢盆，飞禽走兽，花鸟鱼虫等等等等 。真是应有尽有，比您吃的大杂烩都杂。
一、 首先说说不雅的也就是另类的：
松下酷殆子（松下裤带子），松下····
梅川酷子（没穿库子），梅川内依（没穿内衣）····。可以组成梅川（没穿）家族了。感情是裸奔一族
洞茎结合（动静结合），以茎制动（以静制动），洞中有茎（洞中有静）···
善解人衣（善解人意）等这些都是根据谐音字而来的
二、下面说说关于情感的名字：
逝水流殇，冰封爱恋，封爱从心开始，为你封情，为爱戒烟，为情折戟，情从何聚等等
三、 还有一些伟大的幻想家带来的名字：
骑着蚂蚁干仗，骑着乌龟赛跑（凡是不能骑的都被骑上了），猪预飞
骑驴上高速，骑猪逛北京，骑····反正你就想着骑吧
四、还有就是感情受挫的：封情，封心，情藏，情已逝，撞破我嫁你···人生的情感都被封死掉了，但是不知道这些人被情伤的有没有这么严重
五、风流成性的：一夜N次郎（N取任意正整数），月下嫖客，夜夜笙歌
六、还有装纯的:宝贝乖乖，小乖，乖宝宝，宝宝·····
（婴儿用词全方位到场，你要是你看那玩家的脸，要么是胡子一大把的大爷，要么是鱼尾纹能夹死蚊子的大妈）
七、其他：盘子，蚊子，蟑螂，鱼香肉丝，水煮蟑螂····就是开头提到的各种类型的名字
惯例： 本人游戏试玩区 秦関 ID（长的记不住） 因无聊发篇稿子玩玩，欢迎大家多提意见，交流游戏心得（号外：本人学医滴，要是有啥小毛病可以免费咨询）
在此祝愿我的好友 の粉色女子、凝眉，老姐梦萦 ,1/2女友さ雪姬ち····
游戏快乐，天天！ [责任编辑:pennyhan]
更多关于“”的新闻
( 15:19:12)
( 14:05:50)
( 11:57:24)
( 11:55:21)
( 11:54:39)
新网游视频
新网游画廊
同时更新资讯所属地
暂无更新，休息一会儿
白羊座(03.21-04.19)
金牛座(04.20-05.20)
双子座(05.21-06.21)
巨蟹座(06.22-07.22)
狮子座(07.23-08.22)
处女座(08.23-09.22)
天秤座(09.23-10.23)
天蝎座(10.24-11.22)
射手座(11.23-12.21)
摩羯座(12.22-01.19)
水瓶座(01.20-02.18)
双鱼座(02.19-03.20)
今日运势：
本日可多参与公众事务，将自己的意见与兴趣结合，提供同好们做参考，让欢乐的气氛添加一些趣味性...
Copyright & 1998 - 2018 Tencent. All Rights Reserved有一款手机的养成游戏,英文英文游戏名,养恐龙的,各种恐龙,每一种恐龙_百度知道
有一款手机的养成游戏,英文英文游戏名,养恐龙的,各种恐龙,每一种恐龙
有一款手机的养成游戏,英文英文游戏名,养恐龙的,各种恐龙,每一种恐龙住的窝都有一款手机的养成游戏，英文英文游戏名，养恐龙的，各种恐龙，每一种恐龙住的窝都不同，恐龙会在一定的时间给你生产金钱，恐龙窝需要空间，刚开始一些树还有石头会占空间，需要花钱...
我有更好的答案
恐龙神奇宝贝就是你说的这种游戏，你可以下载一个玩玩看你可以到应用宝上下载，我是在这个上找到的游戏的分类是很详细的，就能很快找到喜欢的游戏了并且这个也能领取到很多的游戏礼包，道具是很多的希望可以帮到你
在校大学生
为您推荐：
其他类似问题
养成游戏的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。文因互联文因互联人工智能遇上金融关注专栏更多最新文章{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\u002Fpay.zhihu.com\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&title&:&鲍捷：我对产品经理的一些碎想&,&author&:&bao-jie-14&,&content&:&\u003Cblockquote\u003E\u003Cp\u003E原发布于
http:\u002F\u002Fblog.memect.cn\u002F?p=558 附一年后的复盘P.S.\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cp\u003E\u003Ci\u003E迭代于 \u003C\u002Fi\u003E\u003C\u002Fp\u003E\u003Cp\u003E整整过去一年了，回来看这篇文章，正印证那句话，\u003Cstrong\u003E『懂得了许多道理还是过不好这一生』\u003C\u002Fstrong\u003E。这一年，依然还犯了很多已经知道的错误。最大的收获是什么？我想是对人性和世界观在产品设计中的重要性理解更深了。\u003C\u002Fp\u003E\u003Cp\u003E我们嘴皮上是要\u003Cstrong\u003E重视用户、重视市场，到落实到实践\u003C\u002Fstrong\u003E，但这中间有着巨大的鸿沟。除了能力的鸿沟，最主要是世界观的。重视渠道、重视用户、放空自我、假设检验，这些话说出来很容易，但是真正变成产品设计的本能，非经历痛苦而不能，经历和阅历在此过程中极为重要。\u003C\u002Fp\u003E\u003Cp\u003E一个“好”的计划并不是写出来就能被执行的。一个好的产品经理，不是要去构想一个“好”的目标，而是一个\u003Cstrong\u003E让正确的事情按一定次序发生的这个次序\u003C\u002Fstrong\u003E。同样，认识这个次序也非经历痛苦而不能。\u003C\u002Fp\u003E\u003Cp\u003E过去半年多的工作里，有一些关于产品经理的想法。零零星星吧，也想努力系统化，憋了半天没理出一条线来，就暂时先保持不组织的状态吧。\u003C\u002Fp\u003E\u003Ch2\u003E1. 产品经理是世界观的肉体载体。\u003C\u002Fh2\u003E\u003Cp\u003E产品经理是世界观的载体，产品经理的职责就是让正确的事情按一定次序发生，这个次序就是世界观。没有两个人的世界观是一样的，所以不同的人一定对什么是正确的次序有不同的看法。所以我们才会看到内部、外部（比如微博上）对产品经理的工作有如此之多的争吵。\u003C\u002Fp\u003E\u003Cp\u003E优秀的产品经理有正确的次序的感觉。杰出的产品经理有在这个次序不能达到时的推进方案。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E优秀的产品经理有自己的世界观；杰出的产品经理懂得世界观的妥协。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E越来越觉得，产品经理更多是一种“天性”。曾遇到一些很有才华的产品经理候选人，但细想，如果他和其他人意见不合，能想出妥协方案吗？他能理解路径比目标更重要吗？这些事，或需要性格，或需要阅历的磨练。所以好的产品经理的种子，不在于“术”，而在于“道”。知所先后，则近道矣。\u003C\u002Fp\u003E\u003Ch2\u003E2. 产品经理与CEO\u003C\u002Fh2\u003E\u003Cp\u003E公司刚成立的时候，我就想招一个产品经理。但一个CEO朋友说：你能确保你招来的这个人和你在产品思路上保持一致吗？如果双方有冲突，那还不如没有产品经理。在公司发展的极早期，如果创始团队里没有一个现成的产品经理，CEO就应该是产品经理，这是保持产品向前快速推进的唯一方法。\u003C\u002Fp\u003E\u003Cp\u003E也有笑话说，如果在两个创业团队间犹豫不知道要加入哪一个，那就应该加入那个产品经理少的。我想这有组织的理由在里面。\u003C\u002Fp\u003E\u003Cp\u003E产品经理其实面临的很多问题都和CEO一样，要平衡好技术目标、商业目标、组织目标等等诸多相互矛盾的问题。可以说，产品经理岗位是CEO的训练营。一个好的产品经理，在经历了独当一面的挑战以后，是可以胜任初创公司的CEO的角色的。\u003C\u002Fp\u003E\u003Cp\u003E但是产品经理不能凌驾于公司的整体目标之上，必须理解总体的商业目标，并使产品目标服从于整体商业目标。\u003C\u002Fp\u003E\u003Cp\u003ECEO应该亲自带第一个产品，然后在适当的时候把产品执行的角色分离出来。时机的把握很重要。三五个人的时候大体应该亲自带，二三十个人的时候大体就不该亲历亲为了。当然不同公司的进程会全然不同。\u003C\u002Fp\u003E\u003Cp\u003EP.S.
现在公司快二十个人了，也有了两个产品经理，好像我还是经常需要来客串产品经理。因为一个产品的设计，并不仅仅从产品或技术本身的角度，而且要理解运营、商务的总体目标。公司在一年里，也经历了产品和运营的配合困难、产品和技术的隔阂等，所以后面做了产品和运营的轮岗、产品的技术培训等等。好的产品经理需要有大局观。\u003C\u002Fp\u003E\u003Ch2\u003E3. 产品经理应该懂技术\u003C\u002Fh2\u003E\u003Cp\u003E某次开学术会议，遇到一个女生，说毕业后想当产品经理。我问她会编程吗？她说不会。我说你应该先编一两年程序，然后再考虑去当产品经理。\u003C\u002Fp\u003E\u003Cp\u003E技术人员非常、非常、非常、非常讨厌一个不懂技术的人来指手画脚！\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E如果你没干过技术，你不会知道那是多么恶毒的讨厌。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E如果没有调过bug，被改过需求，被代码审查骂过，误过死线，数据丢失，编码失败，机器慢得鳖爬…你永远不理解程序员的内心世界。对你不能理解的人，你会收获对方心中的一万头草泥马。\u003C\u002Fp\u003E\u003Cp\u003E懂技术并不是要你成为技术专家。你至少要熟悉一门高级语言和基本的数据库、网络实战过程，解决过一两个中等规模的问题。你自己先抓狂，才能理解别人为什么会抓狂。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E不会编程的产品经理不配当产品经理。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EP.S.
也许这是因为文因互联是一个强技术驱动的公司。在我们公司，我们消灭一切简单重复劳动。产品经理在收集数据和处理数据中，学会如何用程序提高自己的效率。甚至我们的设计师妹子都会写代码，这样在做原型设计的时候，就心里大体明白可实现性，不仅仅思考美学要求。产品和技术相互理解，技术也愿意帮助产品提升技能，相互合作就愉快了。\u003C\u002Fp\u003E\u003Ch2\u003E4. 产品经理的三重境界\u003C\u002Fh2\u003E\u003Cp\u003E初步的产品经理就是画原型，设计用户交互，谈“用户体验”，盯着看数据。\u003C\u002Fp\u003E\u003Cp\u003E进阶的产品经理倾听用户的声音，过滤掉那些“更快的马”，管理相互矛盾的需求，深刻理解用户画像，努力做更少的事情来达成目标。\u003C\u002Fp\u003E\u003Cp\u003E再次升华的产品经理拥有行业的“洞察力”（Insights），\u003Cstrong\u003E不是因为用户的访谈而决定产品的方向，而是深刻理解行业的发展趋势，并明白突破的正确次序。也就是行业的“逻辑”。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EP.S.
这里只谈了逻辑能力。产品经理另一个重要技能是沟通能力，具像化表达能力，解释能力。\u003C\u002Fp\u003E\u003Ch2\u003E5. 产品经理的日常就是解决矛盾\u003C\u002Fh2\u003E\u003Cp\u003E产品经理要解决事情，比如不同需求的矛盾。这很容易理解。\u003C\u002Fp\u003E\u003Cp\u003E产品经理更要解决人的矛盾。产品经理命中注定就是个要受气的角色，一定要有足够的情商来接受来自四面八方的不理解、压力、打击。产品经理要协调好各个利益相关方，要多想想每个角色的内心需求，多换位思考。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E产品经理要善于妥协，事情要推进必须妥协。事情干不成，立场一文不值。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EP.S.
产品经理要具有建设性。我们不可能不经历矛盾，我们不可能不经历失败。在矛盾点上，不要只指出问题而不提出解决方案。产品经理的作用，很大程度上，不在于是不是能拿出一个漂亮的方案，而是如何能执行的方案，然后能去思考不能执行时的其他的可执行方案。破坏性的产品经理盯住问题，建设性的产品经理盯住执行。\u003C\u002Fp\u003E\u003Ch2\u003E6. 行业专家（一般）不是好的产品经理\u003C\u002Fh2\u003E\u003Cp\u003E一般的行业专家不能替代产品经理。\u003C\u002Fp\u003E\u003Cp\u003E指望引入一个行业专家就能解决产品设计问题是偷懒。在这个问题上，该走的弯路都还是会走，该碰的壁都还是会碰。救兵不会来。产品经理的行业洞察力必须是自己获得的。\u003C\u002Fp\u003E\u003Cp\u003E一般情况下，产品要解决一个通用问题，而行业专家熟悉一个特殊问题。很少有行业专家能在一个行业中熟悉多个特殊问题。这种人一般会从业十年之上，一般的创业公司是请不起的。一个特殊问题的专家，可能比没有一个专家更具有产品杀伤力。\u003C\u002Fp\u003E\u003Cp\u003E当然行业专家有很多其他的意义，特别是招聘和商务。\u003C\u002Fp\u003E\u003Cp\u003E最好的情况是创始团队本身就有一个资深行业专家，并且能做产品经理。但这种幸运太少见了。\u003C\u002Fp\u003E\u003Cp\u003EP.S.
如果以一个特殊问题的专家为产品主设计，就很可能设计出一个服务一个人的产品，这种产品几乎都会失败。\u003C\u002Fp\u003E\u003Ch2\u003E7. 多写作\u003C\u002Fh2\u003E\u003Cp\u003E产品的根本在于逻辑。没有人一下子就能有正确的逻辑。逻辑一定是在反复的锤炼中得到的。\u003C\u002Fp\u003E\u003Cp\u003E写作是最锻炼逻辑的。\u003Cstrong\u003E写作会强迫自己收集素材，整理思想，选择合理的表达。写作可以获得更广泛、更持久的反馈，比口头的交流更加帮助逻辑的形成。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E不仅要多读，一定要多写。产品设计方法论的心得，资源的汇总，一些和具体产品无关的东西，都应该公开出去，在个人的博客、微博、公众号上让别人看到。内部的产品思想，要定期（至少一个月一次吧）写一些书面的思考的记录（不是那种给上面看的PPT），经常地回来看以前的记录，对照逻辑的变迁。\u003C\u002Fp\u003E\u003Cp\u003E如果在两个产品经理人选之间犹豫，就选写作多的那个。\u003C\u002Fp\u003E\u003Cp\u003E（其实上面这条对选程序员也适用）\u003C\u002Fp\u003E\u003Cp\u003EP.S.
一年下来，完美印证。\u003C\u002Fp\u003E\u003Ch2\u003E8. 勿求完美，循序渐进\u003C\u002Fh2\u003E\u003Cp\u003E\u003Cstrong\u003E『世界上大部分好东西是总结出来的，不是设计出来的。』\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E前面提到产品经理的三重境界，初级的境界是在做设计，高级的境界就是在做总结。洞察力是来自于总结，而不是设计。\u003C\u002Fp\u003E\u003Cp\u003E大到整个公司，小到具体的产品，其实也可能是如此。努力想从开始就设计到一个产品，不如设计一个能演化的框架。\u003C\u002Fp\u003E\u003Cp\u003E最糟糕的产品，是哪些丧失演化能力的产品，或者演化速度太慢的产品。\u003C\u002Fp\u003E\u003Cp\u003E团队的构成也一样。开始的时候并不需要完美的构成，并不需要有深刻洞察力的产品经理。一定是和现实妥协，循序渐进。好的团队架构和产品一样，都是总结和发展出来的。\u003C\u002Fp\u003E\u003Cp\u003EP.S.
后续的想法总结在《人工智能产品的可演进性》http:\u002F\u002Fblog.memect.cn\u002F?p=3455 《创业就是演进》 http:\u002F\u002Fblog.memect.cn\u002F?p=C\u002Fp\u003E\u003Ch2\u003E9. 立足现有资源，做力所能及的事\u003C\u002Fh2\u003E\u003Cp\u003E对初创团队，资源永远都是稀缺的，永远都不会有人力、财力、时间、能力、信心….充沛的时候。\u003C\u002Fp\u003E\u003Cp\u003E一定是在上述条件统统稀缺的前提下，想方设法，把事情做出来。一定是尽可能去简化，去减少浪费。不会有没法简化的产品，一定可以反反复复思考中发现一条在短缺的前提下，也能做一点点事情的路子。\u003C\u002Fp\u003E\u003Cp\u003E项目的滞后不可能通过添加人手解决，除非那种劳动不需要动脑子。\u003C\u002Fp\u003E\u003Cp\u003E产品经理就需要在资源稀缺的情况下依然感觉自如，依然有旺盛的斗志去想到解决的办法。前面说产品经理是CEO的训练营。这种对稀缺的驾驭就是一个基本功。\u003C\u002Fp\u003E\u003Cp\u003EP.S.
优先级，优先级，优先级，好的产品经理一定是通过梳理优先级来应对资源稀缺问题。死扣不重要的细节，天天加班到半夜也解决不了问题。做好任务分解，理清核心任务，做好任务执行的跟踪和总结。越是任务忙，就越不能加人，先理优先级。\u003C\u002Fp\u003E\u003Ch2\u003E10. 产品的结构是团队结构的映射\u003C\u002Fh2\u003E\u003Cp\u003E产生什么样的产品，取决与什么样的团队。产品的结构，往往是团队结构的一种映射。认真选好团队开始的几个人，就大体决定了产品的基本风格。\u003C\u002Fp\u003E\u003Cp\u003E团队如果拧，产品就会拧。团队难以演化，产品也就难以演化。\u003C\u002Fp\u003E\u003Cp\u003E也许上面所言已经超出了产品经理的职责范围。但是产品经理应该理解这些事情，从产生产品的人的角度去思考，而不仅仅只是产品本身。\u003C\u002Fp\u003E\u003Ch2\u003E11. 做承载失败的坚硬核心\u003C\u002Fh2\u003E\u003Cp\u003E产品的实验失败并不可怕。对初创公司，一个能承载失败的核心团队才是关键。一个创业公司最重要的初始产品不是被市场接受的产品，而是一个学习引擎，一个禁得起失败考验的坚硬核心。一帆风顺，一炮打响长远看并不见得是好事。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E『比能力更重要的是洞察，比洞察更重要的是意志。』\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E当然，能达到这个境界就不仅仅是当产品经理了。\u003C\u002Fp\u003E\u003Ch2\u003E12. 以上所言都非真理\u003C\u002Fh2\u003E\u003Cp\u003E产品设计是艺术不是科学。不同的人看法不同是天经地义的。任何人的经验都无法照搬到另一个人。\u003C\u002Fp\u003E\u003Cp\u003EP.S.
懂得了许多道理还是过不好这一生。读了再多产品经其实并不会有用，如果没有经历痛苦。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cblockquote\u003E加入文因学堂金融极客交流群\u003Cbr\u003E\u003Cp\u003E如果你是喜爱科技的金融从业人员，我们诚挚邀请你加入【文因学堂金融极客群】，参与文因学堂核心粉丝的交流圈。添加学委微信号 qgyx123，附上姓名、所属机构、部门及职位，审核后会邀请您入群。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E&,&updated&:new Date(&T03:36:14.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:15,&likeCount&:23,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&sourceUrl&:&&,&publishedTime&:&T11:36:14+08:00&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&url&:&\u002Fp\u002F&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-2b563aa704dd0c274eec4a_r.jpg&,&summary&:&&,&href&:&\u002Fapi\u002Fposts\u002F&,&meta&:{&previous&:null,&next&:null},&snapshotUrl&:&&,&commentsCount&:15,&likesCount&:23},&&:{&title&:&人工智能的深渊，看看你在第几层&,&author&:&bao-jie-14&,&content&:&\u003Cp\u003E为了向非业界人士讲明，\u003Cb\u003E人工智能不仅仅是深度学习、机器学习\u003C\u002Fb\u003E。文因互联CEO鲍捷借鉴了前段时间大火的\u003Cstrong\u003E《数学的深渊》\u003C\u002Fstrong\u003E的图的形式为大家做了一个科普向的《人工智能的深渊》。\u003C\u002Fp\u003E\u003Cp\u003E欢迎大家点赞和收藏，转载请著名出处和来源。\u003C\u002Fp\u003E\u003Cimg src=\&v2-e26b6aa98d3c4e7286e92b.jpg\& data-rawwidth=\&594\& data-rawheight=\&4069\&\u003E\u003Cbr\u003E加入文因学堂金融极客交流群\u003Cblockquote\u003E\u003Cp\u003E\u003Cbr\u003E如果你是喜爱科技的金融从业人员，我们诚挚邀请你加入【文因学堂金融极客群】，参与文因学堂核心粉丝的交流圈。添加学委微信号 qgyx123，附上姓名、所属机构、部门及职位，审核后会邀请您入群。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E&,&updated&:new Date(&T02:34:05.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:29,&likeCount&:68,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&sourceUrl&:&&,&publishedTime&:&T10:34:05+08:00&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&url&:&\u002Fp\u002F&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-6c8afcedc31_r.jpg&,&summary&:&&,&href&:&\u002Fapi\u002Fposts\u002F&,&meta&:{&previous&:null,&next&:null},&snapshotUrl&:&&,&commentsCount&:29,&likesCount&:68},&&:{&title&:&Web：为所有人——记图灵奖得主Tim Berners-Lee的伟大贡献&,&author&:&bao-jie-14&,&content&:&\u003Cp\u003E来源：文因互联CEO鲍捷博士发布于《中国计算机学会通讯》2017年第6期《动态》\u003C\u002Fp\u003E\u003Cblockquote\u003E\u003Cp\u003E编者按\u003Cbr\u003E\u003C\u002Fp\u003E 蒂姆·伯纳斯-李(Tim Berners-Lee)，人们通常称他为Tim。作为万维网(\u003Cstrong\u003EWorld Wide Web，Web\u003C\u002Fstrong\u003E)的发明人而为世人所知，他也因此获得了2016年的图灵奖。但他的贡献并不止于Web。在过去近三十年的工作里，他的贡献大体可分为三个阶段。第一阶段从1989年到1999年，他的主要精力在Web本身的发明和推广上，贡献是\u003Cstrong\u003E互联的文档\u003C\u002Fstrong\u003E。第二阶段是1999年到2009年，他主要在推广语义网，贡献是\u003Cstrong\u003E互联的知识\u003C\u002Fstrong\u003E。第三个阶段从2009年至今，主要致力于数据的开放、安全和隐私，贡献是\u003Cstrong\u003E互联的社会\u003C\u002Fstrong\u003E。本文简述他在这三个阶段的贡献。 \u003C\u002Fblockquote\u003E\u003Cp\u003E万维网：互联的文档\u003C\u002Fp\u003E\u003Cp\u003EWeb是由Tim在欧洲核子研究组织(CERN)期间于年发明的，初始目的是互联CERN内部的文档。Web的发明，是时代发展的必然，也是Tim个人长期探索和实践的结晶（\u003Cem\u003E注释：\u003C\u002Fem\u003E\u003Cem\u003EWeb到底是什么时候发明的，各有争议，有的说是日，即第一次项目计划书发布的时间，有的说是日，项目书被接受开始实现的时间，还有的说是日，第一个服务器上线的时间。\u003C\u002Fem\u003E）。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003EWeb发明的背景\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E很少有一项重大的技术，是一个天才先知先觉独立发明的。更多的是在某个时候，几年甚至几个月前后，有若干个人想到这个方法并把它实现。水到渠成时，没有张三来发明，也会有李四来发明。而在这之前，即使有最好的条件，也不见得能够做到。\u003C\u002Fp\u003E\u003Cp\u003ETim并不是第一个尝试建立互联世界文档的人。较早的尝试有范内瓦·布什（Vannevar Bush，曼哈顿计划协调人）的“Memex”(1945)，泰德·尼尔森（Ted Nelson，超文本发明人）的仙那度计划(Project Xanadu, 1965)，和道格拉斯·恩格尔巴特（Douglas Engelbart，图灵奖得主，也是鼠标发明人）的oN-Line System (NLS, 1968)。这些人的资历、背景和可控制的资源，都远远超过1991年的Tim。但是由于时代的局限，这些努力都没有成功。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E如果我们考虑到因特网（Internet，现在习惯称互联网）的前身阿帕网(ARPANET)在1969年才开始运行，显然更早的计划实现起来是遇到了物理和经济的限制。比如Memex，相当于是基于微胶片的Web，即使实现了，信息互联的代价也是极其高昂的。Web是互联网上的一个应用，它显然不能脱离互联网本身的存在而存在。从1969年到1991年，这22年间为什么没有人发明Web或者相似的东西呢？主要原因是需求还不够强烈，也因为底层的支持技术还不成熟。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E这期间发生的相关大事有以下几点：\u003C\u002Fp\u003E\u003Cp\u003E● 1971年，电子邮件(Email)，文件传输协议(FTP)\u003C\u002Fp\u003E\u003Cp\u003E● 1974年，传输控制协议(TCP)\u003C\u002Fp\u003E\u003Cp\u003E● 1978年，网络互联协议(IP)\u003C\u002Fp\u003E\u003Cp\u003E● 1979年，UNIX至UNIX拷贝协议(UUCP)\u003C\u002Fp\u003E\u003Cp\u003E● 1980年，Tim在CERN写了 Enqiure 超链接程序，但还只是本地单机程序\u003C\u002Fp\u003E\u003Cp\u003E● 1984年，CERN 开始建立自己的CERNET\u003C\u002Fp\u003E\u003Cp\u003E● 1984年，域名系统(DNS)实现（在此基础上才发展出URI）\u003C\u002Fp\u003E\u003Cp\u003E● 1980年代中期，ARPANET 逐渐进入民用\u003C\u002Fp\u003E\u003Cp\u003E● 1980年代晚期，TCP\u002FIP逐步取代其他协议，成为因特网的共同基础\u003C\u002Fp\u003E\u003Cp\u003E● 1989年，边界网关协议(BGP)，因特网的路由成为一个分布式系统\u003C\u002Fp\u003E\u003Cp\u003E● 1989年，CERNET终于通过TCP\u002FIP和外部网络接通\u003C\u002Fp\u003E\u003Cp\u003E● 1989年，Tim提出Web计划 \u003C\u002Fp\u003E\u003Cp\u003E● 1990年，ARPANET停止，被民用的NSFNET 取代（后者在1995年被停止，因特网全面完成民用化）\u003C\u002Fp\u003E\u003Cp\u003E● 1990年，Dynatext，标准通用标记语言(SGML)发布工具出现。SGML影响了HTML的发明\u003C\u002Fp\u003E\u003Cp\u003E● 1990年，Tim 开始开发Web\u003C\u002Fp\u003E\u003Cp\u003E● 1991年，Gopher协议在明尼苏达大学被发明和实现出来\u003C\u002Fp\u003E\u003Cp\u003E● 1991年，Think Machines公司开发了WAIS （Wide Area Information Servers）协议，并在Unix上开源\u003C\u002Fp\u003E\u003Cp\u003E● 1991年，Tim 正式对外发布了Web \u003C\u002Fp\u003E\u003Cp\u003E也就是说，直到20世纪80年代晚期互联网才真正成为全球性的通讯平台。在这样的平台上，人们可以自由地发布、链接、浏览信息才会成为一种可能和必需。在这之前，Email、FTP、Usenet 都不需要信息的网状结构，因为它们总是面向一个较小的群体。当互联网变成一个全球性的存在，需要任何人都可以看任何人的信息，需要任何人都可以自由地组织他\u002F她能看到的信息，上面的应用就都不合适了。于是，几乎同时，Gopher、WAIS 和 Web(HTML, HTTP, URI)被发明出来。事后来看，Tim几乎在第一时间抓住了这个机遇。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003EWeb成功的核心因素\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EWeb是超文本和互联网两大技术融合的结晶。Web技术的核心是三个协议：\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E● 统一资源识别器(Uniform Resource Identifier,URI)，解决文档（这个概念被扩展为“资源”）命名和寻址\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E● 超文本传输协议(Hypertext Transfer Protocol, HTTP)，解决文档的快速传输\u003C\u002Fp\u003E\u003Cp\u003E● 超文本标记语言HTML(Hypertext Markup Language, HTML)，解决超文本文档的表示\u003C\u002Fp\u003E\u003Cp\u003E按Tim的看法，这三个协议的重要性依次递减。这可能不符合日常Web用户的认识，因为HTML、HTTP是对用户可见的，而URI的重要性却不易察觉。但恰恰是URI的设计核心体现了Tim的设计指导哲学，即尽可能允许人们自由行事，自由地发布文档和互联文档。这可能是Web成功的最核心的原因。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E尽可能降低文档发布的代价和文档互联的代价，是建立一个全球性文档系统的关键。Web是一种可扩展性极好的系统，这里的可扩展性，不仅仅指计算的可扩展性，还包括人在内的整个系统的可扩展性。从数据的产生、资源的互联、知识的建模，到最后信息的消费，都要有人的参与。人的惰性、人的心理、人的经济头脑，都会深刻影响到一个系统能不能走出实验室。在吸取了NLS、Gopher和他自己以前在CERN这个极度多元化、极度分散的机构里的诸多实践教训之后，Tim格外注意通过自由建立互联的设计。这可能是技术因素之外，Web成功的最重要的一个因素。Tim说：\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E“目睹了以前一些系统被干掉的事，我认识到问题的关键将是强调允许每个人对自己机器上的组织方式和软件各行其是(Having seen prior systems show down, I knew the key would be to emphasize that it would let each person retain his own organizational style and software on his computer)。”“我们可以建立一个通信的共同基础，同时又允许每个系统保持个性(We can create a common base for communication while allowing each system to maintain its individuality)。”\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E任何人都可以用自己选择的方式定义URI的本地解释；任何人都可以不经过他人（包括发布者）的批准就可以建立对外部资源的链接；没有一种强迫的信息组织方式（反例如Gopher要求严格的分类菜单）；任何人都可以使用Web技术而无须购买许可证。这种自由才是Web成功的关键。相比其他竞争对手，Tim 拥有的资源并不多，但正是这种自由的设计，才让Web脱颖而出。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003ETim也开发了世界上最早的浏览器，并在Web发展的早期，和全球各地的开发者沟通，让各个平台上的用户都可以通过浏览器访问Web上的资源。值得注意的是，Tim在早期认为浏览器也应该具有编辑能力，让用户可以直接在浏览器里发布网页。这个想法并没有在Web的第一个十年流行起来，但在第二个十年，随着社交网络，特别是维基(Wiki)和协作系统的兴起，而得到了实现。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E为了保障Web的开放性，他于1994年创立了万维网联盟(W3C)，协调Web上各种技术的标准化和推广。W3C本身就是Web开放与自由精神的体现，只用了很少的工作人员就实现了数千名专家的全球性协作。二十多年来，W3C一直积极推进Web技术的发展。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E语义网：互联的知识\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E在Tim最早的Web构想中，Web不仅是一个文本文档的互联网络，也是一个知识的互联网络。这个想法到了1999年演化为语义网(Semantic Web)。语义网技术影响了之后十多年的全球知识互联的努力，2006年演化为互联数据(Linked Data)，2012年以后以知识图谱(Knowledge Graph)的名义在工业界被应用。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E在1990年的项目申请书中，Tim就把Web描述成一些互联的节点（见图1），每个节点代表一些事物，如人、软件、组织、项目、硬件等等。节点和节点之间可以有各种类型的链接，如父子、处理、依赖、时间顺序等等。信息可以被自由地组织成网络。因为知识就是结构，这种“有类型的链接图”就是语义网及后来知识图谱的原型。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cimg src=\&v2-c49c4f4f68c618f18a06.png\& data-rawwidth=\&671\& data-rawheight=\&595\&\u003E\u003Cp\u003E图1 Tim Berners-Lee在项目申请书中对Web思想的描述\u003C\u002Fp\u003E\u003Cp\u003E1998年，Tim在“Semantic Web Road map”中系统阐述了他对语义网的构想。其核心思想是通过为网页添加机器可读的元数据，让智能机器能理解网页上的内容，从而实现自动化信息处理。这些元数据可以为人工智能提供不可或缺的数据和知识。在该文中，他提出分层实现的技术栈：(1)基础的数据描述层，以资源描述框架(RDF)为语言；(2)模式(schema)层，允许对数据属性进行描述，如“父类子类关系是可传递的”；(3)转化语言，可以在多个数据源之间做相互翻译和映射；(4)逻辑层，表达数据之间更复杂的关系，例如“父亲是有孩子的男性”，也包括查询语言，提供一个类似SQL的语言，把整个Web变成一个分布式的数据库；(5)数字签名，提供信任和验证。这个路线图后来演化为著名的“语义网层次蛋糕”（见图2）。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cimg src=\&v2-ec9ce4c9b.png\& data-rawwidth=\&665\& data-rawheight=\&651\&\u003E\u003Cp\u003E图2 语义网技术堆栈 常被称为层次蛋糕\u003C\u002Fp\u003E\u003Cp\u003E1999年，Tim在Weaving the Web第13章中，进一步详细描述了语义网的构想。当机器可以分析Web上的所有数据，我们就可以实现“智能代理”，它们能帮助我们进行日常生活中常规任务的对话和执行，诸如订票、预约、简单交易等等。可以自我描述(self-describing)的数据和文档，将增强Web应用的演化能力，让数据甚至可以为在发布时未知的应用所用。\u003C\u002Fp\u003E\u003Cp\u003E2001年，Tim和詹姆斯·亨德勒(James Hendler)、奥拉·拉斯莱(Ora Lassila)一起在《科学美国人》杂志发表了经典的论文“The Semantic Web”，让语义网的概念走向大众。在文中，他描述了一种基于语义网的个人智能代理，非常类似大约十年后出现的个人手机助手（如Siri）。\u003C\u002Fp\u003E\u003Cp\u003E从1998年开始，Tim推动了语义网的标准化，并得到欧美政府的资助。随着RDF模式语言(RDFS)，本体语言美国版(DAML)，本体语言欧洲版(OIL)，本体语言标准(OWL)，查询语言(SPARQL)，规则语言(RIF)的一一落实，语义网的技术基础模块基本实现。\u003C\u002Fp\u003E\u003Cp\u003E在执行中，语义网界曾出现了过分看重逻辑而忽视数据的现实可得性、工具的可实用性问题。2006年，Tim提出了“链接数据”(Linked Data)的概念，以推动语义数据的丰富。在随后的几年中，数以百计的RDF数据集被社区开放出来，覆盖了从医学到音乐等生活的方方面面。尤其值得一提的是DBPedia和Freebase数据，在2010年前后对人工智能一些关键项目的突破起到了不可或缺的作用，如IBM Watson和Siri。Freebase后来演化为谷歌知识图谱。到2017年，大多数网页已或多或少包含了语义标签，知识图谱正在快速进入金融、法律、医疗等多个垂直领域。从这个意义上，Tim的语义网的理想已经部分实现了。\u003C\u002Fp\u003E\u003Cp\u003E在语义网的实践中，Tim极为重视工作的实践可操作性。RDF\u002FXML的语法过于繁复，他就亲自操刀来简化，设计了N3，并最终演化为Turtle，现在已经成为最常用的语法。他和其他人一起开发了语义浏览器Tabulator 、推理机cwm、规则语言AIR语言 。他一步步引导了十几年来的实践，为语义网成为“有意义”的Web，起到了不可替代的作用。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E开放，安全和隐私：互联的社会\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E近年来，Tim开始把注意力转向更大的课题：在Web进入第三个十年之际，如何保障互联网上的开放、安全、信任、隐私，以使社会得以互联？\u003C\u002Fp\u003E\u003Cp\u003E在“Three challenges for the web”一文中，Tim 谈到几个问题：大公司控制了个人数据但却建立了不能互联的数据孤岛，数据的集中导致了包括政府在内的组织滥用这些数据，虚假信息和政治广告泛滥、误导网民。\u003C\u002Fp\u003E\u003Cp\u003E他不仅提出了问题，在过去数年中，Tim 也为解决这些问题做了大量的工作。\u003C\u002Fp\u003E\u003Cp\u003E在数据开放方面，他推动了英国政府和美国政府开放政府数据(Putting Government Data online)。目前，已经有数以百万计的各国政府数据被开放出来，涵盖经济的各个领域，并催生了数以百计的创业公司。此举对于世界经济未来可能具有极大的促进作用。\u003C\u002Fp\u003E\u003Cp\u003ETim也在推动包括大公司在内的各种组织开放数据。在2009年TED的演讲“未来的万维网”(The Next Web)中，他提出了“Raw data now!”的口号，互联数据才得以释放数据的最大价值。他多次向脸书(Facebook)等社交媒体呼吁数据开放，并积极参与到分布式社交网络(Distributed Social Network)的研究和开发中，如Crosscloud和Solid系统。更关键的是，Tim提出了数据是基本人权。\u003C\u002Fp\u003E\u003Cp\u003ETim是网络中立(Net Neurtality)的坚定捍卫者。他认为，平等和自由的信息获取权是基本人权之一，不应该被互联网服务提供商(ISP)或其他组织以商业理由伤害。他也严厉批评了美国新任总统特朗普在此问题上的立场。在2013年，他发起了平价互联网联盟(Alliance for Affordable Internet, A4AI)，致力于提升发展中国家的网络访问速度，让更多的人获得网络接入。\u003C\u002Fp\u003E\u003Cp\u003ETim发起和参与了很多隐私保护的研究项目。他提出了信息可追责性(Information Accountability)的概念，并在近十年中在法律、社交媒体、数据库等多种系统中实践。Theory and Practice of Accountable Systems (TPAS)项目致力于建立可追责的数据系统，建立了AIR策略语言。Transparent Accountable Datamining Initiative (TAMI)项目致力于在数据挖掘中保护隐私、提高透明性。Private Information Retrieval (PIR)则致力于在信息检索中进行隐私保护。\u003C\u002Fp\u003E\u003Cp\u003E2009年，Tim创立了万维网基金会(World Wide Web Foundation)，用Web来促进人类社会进步，推动开放、自由、互联。\u003C\u002Fp\u003E\u003Cp\u003ETim一直秉持一个理念：“一个群体是否能够发展取决于在人和人之间创造正确的联系”，“如果我们成功， 创造性就将在更大的和更多样化的群体中出现。这些高级思维活动，原来只发生在一个人的头脑中，而现在将出现在更大的、更相互联系的人群中” 。这个梦想一旦实现，Web就可以发展为一种“社会机器”(Social Machine)，人类提供灵感和创造，而机器提供推理和日常管理。互联的社会，可能会引导我们走向“全球性大脑”。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E以人为本的总设计师\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003ETim Berners-Lee是一位伟大的思想家。他总是从全人类的角度去思考技术问题。普通的设计师从“用户”的角度思考问题，伟大的设计师从“人”的角度思考，而 Tim 是从“人类”(humanity)的角度去设计。可以毫不夸张地说，Tim是当今人类神经系统的总设计师。他的哲学思考以“设计问题”(Design Issues)的名义发布并指导着Web社区。他的工作，在推动历史的进程。他领先于大多数的工业领袖至少十年在进行布局和推动。他又善于组织和影响，对于学术界和欧美政府的最高层，他都能施加影响，并能一步步地推进和具体实施。\u003C\u002Fp\u003E\u003Cp\u003ETim说过，Web从来不仅是技术的发明，而更多的是一种社会的创造。无论是 HTTP 还是网页排名(PageRank)，无论是维基还是脸书，人的因素都是主导因素。开放、交流、合作，新一代的 Web 的技术，必然还是要以人的需要、长处、局限、价值为出发点。技术只是一小部分，社会模式的变迁才是最根本的。\u003C\u002Fp\u003E\u003Cp\u003E在2012年伦敦奥运会开幕式上，Tim打出了“为所有人”(This is for everyone)的口号。允许人自由地以他自己选择的方式发布信息，允许他们自己相互链接，没人需要先请示任何人来添加一个链接，而奇迹会在这互联的过程中产生。一个互联全人类的文档、知识和社会的网络，是人类文明迈向下一步不可缺少的，也是Tim毕生的信念和矢志不渝为之奋斗的目标。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E花絮：Tim Berners-Lee的故事\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003ETim发明Web后写了一篇论文，投到Hypertext会议，被拒绝了。一个评审意见说：系统违背了超文本系统当时被视作基础的构建原则。\u003C\u002Fp\u003E\u003Cp\u003EWeb推广的头两年很艰难。Tim想尽了一切办法，一年下来每天也只有10~100次点击率。1991年他去超文本大会演示Web，但会场连互联网都没有。为了演示，他和罗贝尔想办法从德州大学找到了拨号服务器，但是美国的电压无法运行瑞士产的调制解调器，他们商量了一下，拿焊枪直接修改了调制解调器的电路。\u003C\u002Fp\u003E\u003Cp\u003ETim是美国科学院院士、英国皇家学会院士，可很少有人知道，他并没有拿过博士学位。他当年考虑过离开CERN进入学术界，可他并没有时间去读一个博士学位。Tim应该是少有的没有博士学位的院士。当然，后来很多大学授予了他荣誉博士学位。\u003C\u002Fp\u003E\u003Cp\u003ETim是英国人，他思考快，语速也非常快，有浓厚英国口音。有一次，有“专利流氓”将Web交互方式申请了专利，Tim不得不去德州一个法院作证，证明早在1993年这种交互方式就已经存在了。法官基本听不懂Tim在说什么。法官说，“你讲的不仅是深奥的技术语言，而且你的英国口音也让我们感到双倍的困难”。不过在证据面前，“专利流氓”还是输了。\u003C\u002Fp\u003E\u003Cp\u003E作为名人，Tim并没有什么架子，平等待人，处处为他人着想。有一次DIG实验室（分布式信息系统实验室，Tim在MIT的实验室）来了个女本科实习生。Tim路过，问她有没有问题，她说搞不懂Tabulator的代码。Tim就坐下来给她讲代码，仔细找毛病。Tim不懂的问题，也会平等地去请教学生和下属，保持谦虚的态度和不断学习的精神。我曾在Tim Berners-Lee的MIT DIG实验室访问工作（之前也参与了多个RPI和DIG实验室的合作项目，包括TPAS和TAMI；并曾在W3C Web本体语言工作组工作），这期间曾就N3Logic 和OWL的语义与Tim有过很多讨论；虽然很多概念就是他本人提出的，但是对他不懂的逻辑和推理的细节，他依然会很虚心地学习。每逢周二，W3C的工作人员会一起聚餐。Tim只要出现，就会自然地成为交谈的中心，因为他的亲和力，也因为他总是能敏锐地抓住问题的核心。大家都愿意和他聊天，向他请教问题。\u003C\u002Fp\u003E\u003Cp\u003ETim也是身体力行的实践者，自称为“实用主义”者。他尽管功成名就，还坚持编程，磨砺自己的工程能力。他习惯于从小事出发去推动。2010年语义网陷入低谷，他就在MIT办“企业家学习班”，亲自向各行各业的人讲语义技术如何能商业落地。这个学习班上就孕育了像Locu这样成功的企业（后来被GoDaddy收购）。\u003C\u002Fp\u003E\u003Cp\u003E在DIG，大家私下都认为Tim得图灵奖只是时间问题，所以私下打趣他说，“Tim，你只要锻炼好身体就可以了”。Tim当时骑自行车上下班，五十多岁的人，身材保持得非常好，精力充沛，有着年轻人的活力。没想到得到图灵奖的预言这么快就实现了。\u003C\u002Fp\u003E\u003Cp\u003EWeb发源于欧洲，成长于美国。1994年，Tim离开瑞士到美国创建W3C，他说“我必须到互联网的引力中心去”。中国现在是全球互联网发展最快的大区。2013年，设立在北京航空航天大学的W3C办事处成为W3C全球四总部之一。作为中国的互联网人，我们或许应从Tim的哲学和经历中学习，中国会不会、何时会成为互联网的新“引力中心”？如何发扬Tim开放、自由的理想，让中国在下一个十年的Web发展中发挥更大的作用？\u003C\u002Fp\u003E\u003Cp\u003E参考文献请登录：\u003Ca href=\&http:\u002F\u002Fwww.ccf.org.cn\& data-editable=\&true\& data-title=\&中国计算机学会\&\u003E中国计算机学会\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E作者：\u003C\u002Fp\u003E\u003Cp\u003E鲍捷\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003ECCF专业会员，本刊编委。北京文因互联科技有限公司创始人、首席执行官，W3C OWL(web本体语言)工作组成员。主要研究方向为机器学习、神经网络、数据挖掘、自然语言处理、形式推理、语义网和本体工程。\u003C\u002Fp\u003E\u003Cp\u003Ebaojie@memect.co\u003C\u002Fp\u003E\u003Cblockquote\u003E加入智能金融交流群\u003Cbr\u003E\u003Cp\u003E添加微信群管理员微信号 ，附上姓名、所属机构、部门及职位，审核后管理员会邀请您入群。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E&,&updated&:new Date(&T06:33:01.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:2,&likeCount&:11,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&sourceUrl&:&&,&publishedTime&:&T14:33:01+08:00&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&url&:&\u002Fp\u002F&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-5f013be444cea9ab1cbd9cd5ce01e66e_r.jpg&,&summary&:&&,&href&:&\u002Fapi\u002Fposts\u002F&,&meta&:{&previous&:null,&next&:null},&snapshotUrl&:&&,&commentsCount&:2,&likesCount&:11},&&:{&title&:&会议邀请 | 【知识图谱与图数据库新进展】报告会&,&author&:&bao-jie-14&,&content&:&\u003Cblockquote\u003E\u003Cp\u003E中国计算机学会青年计算机科技论坛（CCF Young Computer Scientists & Engineers Forum）将于日（星期三）举办【知识图谱与图数据库新进展】报告会。文因互联CEO鲍捷博士受邀参与此次活动并发表特邀报告。（点击文章底部“阅读原文”可直达报名链接。）\u003Cbr\u003E\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cbr\u003E\u003Cp\u003E中国计算机学会青年计算机科技论坛\u003C\u002Fp\u003E\u003Cp\u003ECCF Young Computer Scientists & Engineers Forum\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003ECCF YOCSEF\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E于 2017 年 7 月 5 日(星期三) 9:00-18:00\u003C\u002Fp\u003E\u003Cp\u003E在天津大学(北洋园校区)计算机学院\u003C\u002Fp\u003E\u003Cp\u003E（55 教学楼 B-204）\u003C\u002Fp\u003E\u003Cp\u003E报告会主题\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E知识图谱与图数据库\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：鲍捷\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cimg src=\&v2-1afb60061ce71fdf6b204c9ee8f8f37c.jpg\& data-rawwidth=\&700\& data-rawheight=\&435\&\u003E\u003Cbr\u003E\u003Cp\u003E鲍捷博士有十余年的人工智能研究经验，研究领域有神经网络、知识表现与推理、语义网、机器学习、自然语言处理等。中国中文信息学会语言与知识计算专委会委员。历任美国三星研发中心研究员，MIT 访问研究员，BBN 访问研究员，RPI 博士后，Iowa State Univ博士，W3C Web 本体语言工作组成员，国际语义网会议 ISWC 组委会和程序委员会成员。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：用精益迭代提高知识图谱构造效率\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E知识图谱的构造是高投入、高风险、长周期工程，其实施成败的关键是如何提高效率、减少浪费，利用成熟技术降低全周期实施成本。这里我们分享文因互联团队在构造金融知识图谱过程中的一些实践经验。一、全周期成本的考虑因素。二、利用关系数据库和 JSON 查询降低知识图谱数据库成本。三、用持续交付和错误归因提升知识提取效率。四、平衡提取粒度和成本。五、团队管理与成本。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E会议流程\u003C\u002Fh2\u003E\u003Cp\u003E8:30-9:00 签到\u003C\u002Fp\u003E\u003Cp\u003E9:00 会议开始\u003C\u002Fp\u003E\u003Cp\u003E9:00-9:10 领导致辞\u003C\u002Fp\u003E\u003Cp\u003E9:10-9:50 特邀讲者：\u003Cstrong\u003E王克文\u003C\u002Fstrong\u003E 博士 澳大利亚 格里菲斯大学 教授\u003C\u002Fp\u003E\u003Cp\u003E报告题目：本体和知识图谱中基于大数据的查询解释\u003C\u002Fp\u003E\u003Cp\u003E9:55-10:35 特邀讲者：\u003Cstrong\u003E马帅\u003C\u002Fstrong\u003E 博士 北京航空航天大学 教授\u003C\u002Fp\u003E\u003Cp\u003E国家优秀基金获得者\u003C\u002Fp\u003E\u003Cp\u003E报告题目：大图搜索: 挑战与技术\u003C\u002Fp\u003E\u003Cp\u003E10:40-10:50 茶歇\u003C\u002Fp\u003E\u003Cp\u003E10:50-11:30 特邀讲者：\u003Cstrong\u003E漆桂林\u003C\u002Fstrong\u003E 博士 东南大学 教授\u003C\u002Fp\u003E\u003Cp\u003E报告题目：大规模知识图谱构建、推理和存储技术\u003C\u002Fp\u003E\u003Cp\u003E11:35-12:15 特邀讲者：\u003Cstrong\u003E鲍捷\u003C\u002Fstrong\u003E 博士 文因互联 CEO\u003C\u002Fp\u003E\u003Cp\u003E报告题目：用精益迭代提高知识图谱构造效率\u003C\u002Fp\u003E\u003Cp\u003E12:20-13:30 午休\u003C\u002Fp\u003E\u003Cp\u003E13:30-14:10 特邀讲者：\u003Cstrong\u003E王昊奋\u003C\u002Fstrong\u003E 博士 上海瓦歌智能科技有限公司总经理\u003C\u002Fp\u003E\u003Cp\u003E深圳狗尾草智能科技公司 CTO\u003C\u002Fp\u003E\u003Cp\u003ECCF YOCSEF 上海 主席\u003C\u002Fp\u003E\u003Cp\u003E报告题目：当知识图谱遇见聊天机器人\u003C\u002Fp\u003E\u003Cp\u003E14:15-14:55 特邀讲者： \u003Cstrong\u003E李元放\u003C\u002Fstrong\u003E 博士 澳大利亚 莫纳什大学 Senior Lecturer\u003C\u002Fp\u003E\u003Cp\u003E报告题目： 用知识图谱解释实体对在 Twitter 中的共现\u003C\u002Fp\u003E\u003Cp\u003E15:00-15:40 特邀讲者：\u003Cstrong\u003E刘升平\u003C\u002Fstrong\u003E 博士 云知声 资深技术专家\u003C\u002Fp\u003E\u003Cp\u003E报告题目：知性会话：基于知识图谱的人机对话系统\u003C\u002Fp\u003E\u003Cp\u003E15:40-15:50 茶歇\u003C\u002Fp\u003E\u003Cp\u003E15:50-16:30 特邀讲者：\u003Cstrong\u003E彭鹏\u003C\u002Fstrong\u003E 博士 湖南大学 助理教授\u003C\u002Fp\u003E\u003Cp\u003E报告题目：gStore—一种开源图数据库系统及其在企业中的应用\u003C\u002Fp\u003E\u003Cp\u003E16:35-17:15 特邀讲者：\u003Cstrong\u003E万海\u003C\u002Fstrong\u003E 博士 中山大学 副教授\u003C\u002Fp\u003E\u003Cp\u003E报告题目：知识图谱平移模型增量更新的方法\u003C\u002Fp\u003E\u003Cp\u003E17:20-18:00 Panel 专题讨论\u003C\u002Fp\u003E\u003Cp\u003E18:00 会议结束\u003C\u002Fp\u003E\u003Cp\u003E执行主席：\u003Cstrong\u003E王鑫\u003C\u002Fstrong\u003E 博士 天津大学 副教授 CCF YOCSEF 天津副主席\u003C\u002Fp\u003E\u003Cp\u003E执行主席：\u003Cstrong\u003E张小旺\u003C\u002Fstrong\u003E 博士 天津大学 副教授 CCF YOCSEF 天津委员\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E特邀讲者与报告简介\u003C\u002Fp\u003E\u003Cp\u003E（按报告顺序）\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：王克文\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E王克文博士是格里菲斯大学计算机与信息学院的教授，是该校人工智能与语义技术实验室（AIST）的主任。他于 1996 年在南开大学数学研究所获得理论计算机科学方向的博士学位（首批硕士直攻博）， 在国防科大和香港科大从事博士后研究， 任清华大学计算机系副教授（并在
兼任德国波茨坦大学计算机系研究员），2002 起在格里菲斯大学任职。他的研究兴趣包括人工智能（知识表示，逻辑程序设计，智能体），计算逻辑，语义网理论和技术。他一直在人工智能的顶级会议和杂志发表文章（比如 AAAI, IJCAI, Artificial Intelligence, ACM Transactions on Computational Logic,Theory and Practice of Logic Programming 等），近年来一直是相关顶级会议的程序委员会委员或高级委员。他也是语义技术方面的著名杂志 Journal of WebSemantics 的编委会成员。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目： 本体和知识图谱中基于大数据的查询解释\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E基于本体的数据存取（OBDA）和查询处理正在成为大数据处理的一种不可缺少的推理机制。除了标准的查询处理，查询系统也需要给用户提供一种支持，使得用户不仅能得到对查询的回答，在得不到查询回答的情况下，能够解释一个查询失败的原因。但是，设计 OBDA 的高效查询解释算法是一个非常困难的问题。在这个报告中，我们介绍如何将 AI 中的诱导推理用于形式化 OBDA中的查询解释问题，并基于 Datalog 技术设计高效算法。由此实现的查询解释系统 ABEL 可以处理超过十万个 RDF 三元组的本体知识库。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：马帅\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E马帅博士是北航软件开发环境国家重点实验室，教授，博士生导师，曾在美国贝尔实验室总部实习，微软亚洲研究院访问和英国爱丁堡大学博士后工作。分别获得北京大学(2004)和英国爱丁堡大学(2011)两个博士学位，研究工作持续发表在数据库、数据挖掘和系统等领域知名会议(SIGMOD、VLDB、ICDE、WWW、WSDM、MobiCom、USENIX ATC)和知名期刊(TODS、VLDB Journal、TKDE、TCS)，并在美、英、法、俄、澳大利亚、比利时和香港等多个国家和地区大学研究生课程上被讲解。2010 年获国际顶级会议 VLDB 唯一最佳论文奖；2012 年入选微软青年教师铸星计划；2013 年获国际知名会议 WISE 最佳挑战论文奖；2015 年入选微软亚洲研究院合作计划；2016 年获国际知名会议 WSDM 挑战赛最终排名第 2 名。主持国家优秀青年科学基金(优青，)和国家自然科学联合基金重点项目（）各一项。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目： 大图搜索: 挑战与技术\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告摘要：\u003C\u002Fstrong\u003E目前图搜索和推荐在工业界和学术界受到广泛关注，并且图数据在工业界的应用和在学术界的研究是相互促进的。实际上，图搜索和推荐的理论和技术是近年来工业界和学术界共同关注的热点之一。报告中，我们首先介绍图搜索及其挑战，然后我们介绍两类技术（查询近似和数据近似）来提高大图搜索的效果和效率。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003Cstrong\u003E特邀讲者：漆桂林\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E漆桂林教授是中国中文信息学会语言与知识计算专业委员会副主任和中国科学技术情报学会知识组织专业委员会副主任，是开放知识图谱联盟 OpenKG 的联合创始人之一，是新华社中国经济信息社特约专家，是语义 Web 著名国际期刊 Journal of WebSemantics 的编委。曾任中国语义 Web 和 Web 科学大会主席、国际会议 JIST 程序委员会主席。指导学生在国际会议 IJCAI 获得最佳学生论文奖。发表高水平学术论文 100 余篇，出版专著一部。6 项专利获得授权或者受理。先后承担包括国家自然科学基金和欧洲第七框架项目 Marie Curie IRSES 在内的多项科研项目，并且承担了华为、百度等企业项目，作为第二负责人参与了由科大讯飞牵头的 863 课题“高考机器人”子课题。在知识工程、大数据语义分析、知识图谱等领域有将近 20 年的研究和产业化经验。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目： 大规模知识图谱构建、推理和存储技术\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告摘要：\u003C\u002Fstrong\u003E 随着万维网组织 W3C 链接数据项目的提出和谷歌知识图谱项目的提出，知识图谱受到了热爱人工智能的研究人员和开发人员的广泛关注，并且在大数据和问答系统中起到重要作用。本演讲首先介绍知识图谱的历史以及语义网络；其次介绍通用和垂直领域知识图谱关键技术，包括百科知识获取技术、知识融合技术、知识清洗技术、实体链接技术；最后，介绍知识的表示语言和知识推理技术以及大规模知识图谱存储技术。本报告还会介绍知识图谱技在问答中的应用。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：鲍捷\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E鲍捷博士有十余年的人工智能研究经验，研究领域有神经网络、知识表现与推理、语义网、机器学习、自然语言处理等。中国中文信息学会语言与知识计算专委会委员。历任美国三星研发中心研究员，MIT 访问研究员，BBN 访问研究员，RPI 博士后，Iowa State Univ博士，W3C Web 本体语言工作组成员，国际语义网会议 ISWC 组委会和程序委员会成员。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：用精益迭代提高知识图谱构造效率\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E知识图谱的构造是高投入、高风险、长周期工程，其实施成败的关键是如何提高效率、减少浪费，利用成熟技术降低全周期实施成本。这里我们分享文因互联团队在构造金融知识图谱过程中的一些实践经验。一、全周期成本的考虑因素。二、利用关系数据库和 JSON 查询降低知识图谱数据库成本。三、用持续交付和错误归因提升知识提取效率。四、平衡提取粒度和成本。五、团队管理与成本。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：王昊奋\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E王昊奋博士是上海交通大学博士，上海瓦歌智能科技有限公司总经理、深圳狗尾草智能科技公司 CTO。王昊奋在语义技术和知识图谱方面有比较丰富的经验和积累，共发表 75 余篇高水平论文，其中包括 35 余篇 CCF A 类和 B 类论文。作为技术负责人，他带领团队构建的语义搜索系统在十亿三元组挑战赛（Billion Triple Challenge）中获得全球第 2 名的好成绩；在著名的本体匹配竞赛 OAEI 的实体匹配任务中获得全球第 1 名的好成绩。他带领团队构建了第一份中文语义互联知识库zhishi.me，被邀请参加 W3C 的 multilingual研讨会并做报告。他还带领团队参加了百度知识图谱竞赛获得所有任务第一名的好成绩。此外，他还长期作为 ISWC, WWW, AAAI 等国际顶级会议程序委员会委员。目前，王昊奋担任 CCF YOCSEF 上海主席、中文信息学会语言与知识计算委员会委员，中国计算机学会术语工作委员会执行委员等社会职位。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：当知识图谱遇见聊天机器人\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E本次演讲将系统地回顾聊天机器人的发展，分析 Siri、Watson、GoogleNow 和小冰等典型代表的优缺点，并第一次给出聊天机器人行业的技术面面观。在此基础上，将展望聊天机器人通往更智能化、更人性化、更趣味化的道路上所面临的挑战，并聚焦到狗尾草公司推出的公子小白和 Holo-Era 机器人如何使用知识图谱结合深度学习技术来解决上述挑战。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：李元放\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E李元放博士是澳大利亚莫纳什大学信息技术系高级讲师。他在2002年和2006年于新加坡国立大学分别获得计算机学士和博士学位。他的研究兴趣包括语义万维网（本体语言，语义查询和推理，知识图谱）和软件工程（形式方法和验证，软件度量，软件生产线）。他在国际会议和期刊上发表 50 多篇研究论文。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：在 用知识图谱解释实体对在 Twitter
中的共现\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E如 DBPedia 等现代知识图谱包含实体及其间逻辑关系的重要信息。另一方面，Twitter 类微博包含了关于这些实体和实体对出现频率的重要信息。在这个报告中，我们尝试用知识图谱中实体对之间的逻辑关系（semantic paths）帮助解释其在 Twitter 中共现的频率。为此，我们在实体对之间的语义路径上训练一个排序函数对该语义路径进行排序，用以确定哪些路径最有可能解释为什么实体对在给定 tweet 中共现。我们使用包含单个中间实体的语义路径上的一些基于词法，graph embeddings 和基于流行度的特征来训练排名模型（ranking model），并展示模型在确定实体对在 Twitter 上共现的有效性。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：刘升平\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E刘升平博士是云知声 AI Labs 的 资深技术专家。他是前 IBM 中国研究院资深研究员，中文信息学会语言与知识计算专委会委员。2005 年获得北京大学数学系博士，是国内语义网研究的开创者之一。曾在语义网，机器学习、信息检索、医学信息学等领域发表过 20 多篇论文。在 IBM 工作期间，多次获得 IBM 研究成就奖。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：知性会话：基于知识图谱的人机对话系统\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E人机对话系统，或者会话交互，有望成为物联网时代的主要交互方式。而语言的理解与表达和知识是密切联系的，知识图谱作为一种大规模知识的表示形式，在人机对话系统中各模块都有重要的应用。本报告将结合工业级的人机对话系统实践经验，阐述知识图谱在人机对话系统的核心模块，包括语义解析，聊天机器人，问答系统，会话式推荐等上面的应用。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：彭鹏\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E彭鹏是湖南大学信息科学与工程学院软件工程系助理教授。彭鹏于 2009 年毕业于北京师范大学信息科学与技术学院获得工学学士学位；2016 年毕业于北京大学计算机科学技术研究所，获得工学博士学位。彭鹏于 2016 年 8 月入职湖南大学信息科学与工程学院软件工程系，任助理教授。他目前的研究领域包括基于图的分布式 RDF 数据管理。目前他已经发表了 7 余篇国内外学术论文，包括
CCF-A 类的数据库领域国际顶级期刊\u002F会议论文（SIGMOD，VLDB 等）1 篇。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：gStore—一种开源图数据库系统及其在企业中的应用\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E近年来，“知识图谱”成为学术界和工业界共同关心的一个热点研究领域；各种围绕着知识图谱的研究工作和相关系统层出不穷；以知识图谱为“噱头”的创业热潮也是方兴未艾。本次报告关注知识图谱数据管理的存储和查询问题，介绍并演示北京大学计算机科学技术研究所数据库团队所研发的基于图数据库理论的开源 RDF 知识图谱数据的存储和查询系统 gStore。目前 gStore 系统可以支持 SPARQL 1.1 标准，提供了集中式和分布式两种部署方式，在十亿规模的Benchmark 数据集测试上，平均性能优于目前的 Virtuoso 和 Apache Jena 等国外同类产品。本次报告，还将阐述 gStore 系统在方正电子的知识出版项目、狗尾草公司的聊天机器人项目和中科院微生物所的国际微生物数据中心微生物知识图谱项目中的具体应用案例。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E特邀讲者：万海\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E万海博士是中山大学副教授，研究方向为人工智能、语义网、软件工程等，发表包括 AAAI， IJCAI 等 CCF A 类文章 40 余篇，承担包括国家自然科学基金、广东省前沿与关键技术创新项目等纵向项目 7 项（总经费 600 余万），还承担 6 项横向项目。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003E报告题目：知识图谱平移模型增量更新的方法\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E报告提要：\u003C\u002Fstrong\u003E知识图谱是人工智能领域的重要方法，在实际生产中已有大量应用。为了扩展知识图谱的推理能力，近年来涌现出一批知识图谱的平移模型。这些平移模型通过机器学习方法将知识图谱中的实体和向量转换为向量，将逻辑推理变为数值计算，使知识图谱获得了高效进行近似推理的能力。然而，这些模型也存在着一些缺陷，例如无法有效利用逻辑公理进行推理，以及不支持高效的增量更新。针对第一个缺陷，本文对各种现有的平移模型对不同类型的逻辑公式的支持情况进行了分析；针对第二个缺陷，本文提出了一种效率较高的增量更新方法，可以在不重新进行机器学习训练的情况下对知识图谱实体和关系向量进行更新。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Ch2\u003E参会交通信息\u003C\u002Fh2\u003E\u003Cp\u003E\u003Cstrong\u003E乘车路线：\u003C\u002Fstrong\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E- 天津站、天津南站（出租车行程 50 分钟）\u003C\u002Fp\u003E\u003Cp\u003E- 天津滨海机场（出租车行程 40 分钟）\u003C\u002Fp\u003E\u003Cp\u003E- 公交：613(华山里地铁站)，615 (天津大学卫津路校区)，216(复兴门地铁站)\u003C\u002Fp\u003E\u003Cp\u003E- 校内通勤车(从天大北洋园校区东门口到 55 教学楼)\u003C\u002Fp\u003E\u003Cp\u003E活动报名表单：\u003Ca href=\&http:\u002F\u002Fcn.mikecrm.com\u002FmdOsvYo\& class=\&\& data-editable=\&true\& data-title=\&CCF YOCSEF【知识图谱与图数据库】报告会\&\u003ECCF YOCSEF【知识图谱与图数据库】报告会\u003C\u002Fa\u003E\u003C\u002Fp\u003E&,&updated&:new Date(&T03:12:02.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:0,&likeCount&:8,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&sourceUrl&:&&,&publishedTime&:&T11:12:02+08:00&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&url&:&\u002Fp\u002F&,&titleImage&:&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-58bb6b576d4d909cfb2f806cccd1772d_r.jpg&,&summary&:&&,&href&:&\u002Fapi\u002Fposts\u002F&,&meta&:{&previous&:null,&next&:null},&snapshotUrl&:&&,&commentsCount&:0,&likesCount&:8},&&:{&title&:&活动招募 | AI时代，VC应该知道什么?&,&author&:&bao-jie-14&,&content&:&\u003Cp\u003E今年6月上旬\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E一张\u003Cb\u003E【人工智能的深渊图】\u003C\u002Fb\u003E刷爆全网（参见本专栏的前篇文章）\u003C\u002Fp\u003E\u003Cp\u003E这张图在广泛传播之后\u003C\u002Fp\u003E\u003Cp\u003E有大量VC朋友们\u003C\u002Fp\u003E\u003Cp\u003E向作者文因互联CEO鲍捷博士提了很多问题\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E作为在学术和工业界从业多年的\u003Cb\u003EAI老司机\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E鲍捷博士决定\u003C\u002Fp\u003E\u003Cp\u003E在7月（或8月）的一个周末\u003C\u002Fp\u003E\u003Cp\u003E花上半天时间\u003C\u002Fp\u003E\u003Cp\u003E面向VC投资人做一次科普演讲\u003C\u002Fp\u003E\u003Cp\u003E向大家讲讲\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E“AI创业者不敢告诉你那些坑”\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E于是诞生了本次活动\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E『VC进（AI）城指南』\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cimg src=\&v2-e17cbb0a247b.png\& data-rawwidth=\&560\& data-rawheight=\&260\&\u003E\u003Ch2\u003E鲍捷说：\u003C\u002Fh2\u003E\u003Cp\u003E正如互联网公司兴起时，VC被洗牌了一次，现在人工智能的兴起，恐怕VC也会被再洗一次牌，三个角度的洗牌：\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E- 1）最基础的，就是知识结构变了，理解人工智能要比理解互联网难得多，老革命们不但遇到新问题，而且很难找到懂行的助手。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E- 2）现在出现了一些新的投资机构，不再像传统的VC，而是它们本身就像一个互联网企业，用的是社区思维、服务思维，在重构VC这个行业的渠道、项目发现的方式等。传统的投资经理的角色恐怕会发生很大的变化，会更接近于产品经理+运营经理。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E- 3）\u003Cb\u003E新的AI投资机构，本身就是用AI技术武装起来的。\u003C\u002Fb\u003E他们从项目数据库、潜在项目发现、社区维护、LP服务等，都用技术手段提高自己的效率、加强信息透明度、降低人员流动的伤害。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003EVC这个行业，也是要被技术本身冲击的。不仅仅是数据处理这个表面的事情，而会带来渠道的、人员的、商业模式的全方位变革。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E过去十多年的创新大部分是模式创新和copy-to-china渠道创新。但发展到今天，技术创新的重要性已经越来越高，人才结构也发生了巨大的变化。VC行业也不可能不随着市场的成熟而发生变化。中国能执行o2o的团队有几万个，能执行智能金融\u002F法律\u002F医疗的团队可能各自只有几十个。服务这两种市场需要不同的VC。\u003Cb\u003E理解互联网基本只需要常识。理解人工智能需要反常识。\u003C\u002Fb\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E有参会意愿的投资人朋友，可以点击这个链接：\u003Ca href=\&http:\u002F\u002Fcn.mikecrm.com\u002F667nsOc\& data-editable=\&true\& data-title=\&AI投资人问卷收集\&\u003EAI投资人问卷收集\u003C\u002Fa\u003E 向我们提交您最想知道的问题，我们会对收到的提问，在本次现场活动上统一做回答。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch3\u003E活动合作方招募\u003C\u002Fh3\u003E我们也在寻找对本次活动感兴趣的组织方作为合作伙伴，希望你能提供以下帮助。\u003Cb\u003E合 作 方 式\u003C\u002Fb\u003E& 场地支持\u003Cul\u003E\u003Cli\u003E能容纳30~50人左右小型场地\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E& 媒体支持\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E对活动动态及内容进行联合推广和播报\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cb\u003E合 作 联 系\u003C\u002Fb\u003E邮箱：zhuhengli@memect.co\u003Cp\u003E联系人微信： qgyx123\u003C\u002Fp\u003E&,&updated&:new Date(&T07:06:05.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:0,&likeCount&:0,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&sourceUrl&:&&,&publishedTime&:&T15:06:05+08:00&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&url&:&\u002Fp\u002F&,&titleImage&:&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-337a533bed7f71c10011f_r.jpg&,&summary&:&&,&href&:&\u002Fapi\u002Fposts\u002F&,&meta&:{&previous&:null,&next&:null},&snapshotUrl&:&&,&commentsCount&:0,&likesCount&:0},&&:{&title&:&知识提取的一种应用，从上市公司年报中抽取因果关系&,&author&:&bao-jie-14&,&content&:&\u003Cp\u003E作者：王爽、朱衡利\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cimg src=\&v2-de4dcd03c75595eacec90e9.jpg\& data-rawwidth=\&640\& data-rawheight=\&439\&\u003E\u003Cbr\u003E\u003Cp\u003E在金融的世界里，信息浩瀚如云海，相信每位金融从业者都有过信息过剩的烦恼，面对着大量的上市公司公告、财报、研报，新闻…，个人精力似乎总是不够。现今信息和数据是如此地高速膨胀，我们似乎需要一种更为高效的信息处理方式。\u003C\u002Fp\u003E\u003Cp\u003E数据经过挖掘、加工处理之后，就能够成为人们所需要的信息。\u003Cb\u003E借助技术的力量，从海量数据中提取有用信息，识别其中蕴藏的模式、规律和相关关系，则是一种人类认识世界的新方式。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cp\u003E例如，在上市公司财报中蕴藏着大量的人工总结，其中包括大量的\u003Cb\u003E因果关系\u003C\u002Fb\u003E。因果关系的识别可以帮助我们了解事件之间的来龙去脉，获取事件的演化关系，有助于预测和决策。而基于这种认识，文因互联的工程师王爽利用NLP技术，对上市公司的年报进行了一次因果关系的抽取的实验。\u003C\u002Fp\u003E\u003Cp\u003E接下来，就让我们来看看，在一份上市公司的年报中的一个抽取结果项目（下图为代码展示）：\u003C\u002Fp\u003E\u003Cimg src=\&v2-2cea0be6de.png\& data-rawwidth=\&805\& data-rawheight=\&179\&\u003E\u003Cbr\u003E\u003Cul\u003E\u003Cli\u003E【raw_text】表示原始的表示因果关系的句子\u003C\u002Fli\u003E\u003Cli\u003E【title_path】表示的是句子位于文档中的位置\u003C\u002Fli\u003E\u003Cli\u003E【financial_term】表示的是财务项目\u003C\u002Fli\u003E\u003Cli\u003E【trend】表示的是该项目的变化趋势\u003C\u002Fli\u003E\u003Cli\u003E【amplitude】表示的是该项目的变换幅度\u003C\u002Fli\u003E\u003Cli\u003E【cause】表示的是该项目的变化原因\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E通过这样的提取工作，我们能够在短短的几分钟之内就可得知一份厚厚的年报中关键的\u003Cb\u003E“因果关系”\u003C\u002Fb\u003E信息。从实现角度来说，要想提取这些字段，则需要分两步走：\u003C\u002Fp\u003E\u003Ch2\u003E1 找出表示因果关系的句子\u003C\u002Fh2\u003E\u003Cp\u003E计算机当然不会知道我们关心的是哪些句子，而为了让计算机知道我们的想法，则必须告诉他一些\u003Cb\u003E特征\u003C\u002Fb\u003E。因此，首先要人工分析一些年报，找到表示因果关系句子的模式。比方说上图中的例子就是\u003Cb\u003E“XXX主要是因为XXX”\u003C\u002Fb\u003E这种模式，而类似的模式还有很多。在找到所有这些模式之后，计算机就可以对公司年报进行遍历搜索，取出所有符合这些模式的句子。\u003C\u002Fp\u003E\u003Cp\u003E这中间主要的难点就是模式的\u003Cb\u003E松紧程度\u003C\u002Fb\u003E。如果我们提出的模式比较宽松，那么最终会找出许多不想要的句子；而如果提出的模式比较精细，那么又会丢失掉一些因果句子，准确度和覆盖度不可兼得。在调整了很多轮之后，才算得到一个合适的折中效果。\u003C\u002Fp\u003E\u003Ch2\u003E2 将句子切分为关心的字段\u003C\u002Fh2\u003E\u003Cp\u003E一旦找到这些表示因果关系的句子，下一步就是将其分解为关心的字段。这其实就是一个\u003Cb\u003E知识提取\u003C\u002Fb\u003E的过程，具体的算法就暂且不表。\u003C\u002Fp\u003E\u003Cp\u003E相比上一步，这一步最大的麻烦是有很多\u003Cb\u003E信息噪音\u003C\u002Fb\u003E，会有许多不是财务项目的字段提取出来。\u003C\u002Fp\u003E\u003Cp\u003E因为我们对财务指标的准确度要求比较高，最终决定使用白名单来过滤噪音的办法。我们让让专业金融支持团队人工建立了一个财务项目白名单，只有当字段中出现这些财务项目时，才会对其提取保存。在过滤了这些噪音之后，最终的效果还是令人满意的。\u003C\u002Fp\u003E\u003Cp\u003E一份年报中，会出现数个甚至数十个这样的抽取结果，而随着报告的数量上升，在海量的数据供给下，在利用先进的算法将这些数据进行进一步的处理和挖掘，则\u003Cb\u003E机器智能开始显现\u003C\u002Fb\u003E。人们生活中依靠常识性思维判断的知识被计算机系统所“知晓”，甚至推理出由人类思维所无法达到的深层因果关系，使人们进一步明确事物间的引起与被引起作用，有利把控事物间的不利影响。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E如果你想查看我们具体的抽取结果，可以在关注我们的公众号：wenyinx3b 之后，发送“年报因果抽取”关键字即可获得文件下载链接。\n\n如果你有更多关于对上市公司公开信息中的因果关系抽取有想法，无论是技术改进还是应用层面的思路，我们都欢迎在文章下方进行留言，也可以发送邮件至contact@memect.co 进行更深度的交流。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cblockquote\u003E\u003Cb\u003E加入智能金融交流群\u003C\u002Fb\u003E\u003Cbr\u003E添加微信群管理员微信号 qgyx123，附上姓名、所属机构、部门及职位，审核后管理员会邀请您入群。\u003C\u002Fblockquote\u003E&,&updated&:new Date(&T04:57:55.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:3,&likeCount&:26,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&sourceUrl&:&&,&publishedTime&:&T12:57:55+08:00&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&url&:&\u002Fp\u002F&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-b781d5cbaeafaacf302d27e82a3ee4b4_r.jpg&,&summary&:&&,&href&:&\u002Fapi\u002Fposts\u002F&,&meta&:{&previous&:null,&next&:null},&snapshotUrl&:&&,&commentsCount&:3,&likesCount&:26},&&:{&title&:&语义网之父 JAMES HENDLER 到访文因互联：A LITTLE SEMANTICS GOES A LONG WAY&,&author&:&bao-jie-14&,&content&:&\u003Cp\u003E日下午，\u003Cu\u003E\u003Cb\u003E\u003Ca href=\&https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FSemantic_Web\&\u003E语义网\u003C\u002Fa\u003E之父\u003C\u002Fb\u003E\u003C\u002Fu\u003E James Hendler 到访文因互联，与文因互联 CEO 鲍捷博士、文因互联CTO 张强、文因互