2018年8月2日，应中科院自动化所副研究员、中文信息学会青年工作委员会主任刘康老师邀请，加州大学圣巴巴拉分校(UC Santa Barbara: UCSB) William Wang老师走进中科院自动化所，为师生带来精彩学术报告，现场座无虚席，反响热烈。
William Wang老师以“Deep Knowledge Graph Reasoning”为题，介绍了知识图谱中的推理问题。William老师从现有知识图谱的不完备出发，引出知识图谱推理这一重要解决方式，主要包括三个任务：缺失链接预测、缺失实体预测、事实预测（判断）。报告重点介绍了基于路径和基于embedding方法的代表性研究工作。两种方法各有特色，其中，基于路径的方法准确性好，可解释性强，基于embedding的方法适合大规模计算，方便发现向量空间的相似实体。为了融合两者优势，William老师介绍了DeepPath模型，该方法使用强化学习取代随机游走发现路径，以全局准确率、路径效率、路径多样性为奖赏，在知识图谱推理的定性定量分析上都取得了很好的效果。
William Wang是加州大学圣塔芭芭拉分校自然语言处理小组（http://nlp.cs.ucsb.edu/）主任、计算机科学系助理教授。他在卡内基梅隆大学获得博士学位，研究兴趣包括统计关系学习、信息抽取、计算社会科学、口语和视觉。William Wang在NLP / AI / ML顶级会议和期刊上发表了50多篇论文，并获得ASRU 2013、CIKM 2013、EMNLP 2015最佳论文奖（或提名）以及NAACL 2015最佳评审，同时获得2018美国政府青年教师奖，2017/2018 IBM教师奖，2018 Facebook研究奖，2018 Adobe研究奖，2011年获得Richard King Mellon总统奖学金。此外，他担任NAACL、ACL、EMNLP、AAAI的领域主席。除了研究，William还喜欢撰写影响更广泛的在线社区科学文章：他的微博@王威廉 有十万多名粉丝，每月超过两百万次查看。
