【原】欢迎围观 人工智能学术知识图谱（KG4AI）

目前人工智能正在快速发展，人工智能也逐渐上升到企业甚至国家的战略高度，相关的人才对人工智能领域的发展至关重要，这就需要人工智能领域人才数据的支持。基于AMiner海量的学术资源，我们构建出了全球人工智能学术知识图谱。

KG4AI-Global  的构建流程

1. 根据2015年 CCF 推荐的AI领域国际学术会议和期刊（共103个），获取近几年在这些会议和期刊上发表的论文；

2.  抽取上述论文的所有作者，去重作为全球AI领域学者集，并获取学者的完整信息；

3. 依据学者研究兴趣将其关联到自然科学基金（NSFC）制定的AI学科分类中（1个一级学科，7个二级学科，62个三级学科）；

4. 获取学者引用量最高的5篇论文数据并关联其他作者；

5. 最后基于扩展自cnSchema.org 的本体定义，生成包含Scholar, ScholarlyArticle, Specialty等多种概念和实体的语义链接数据。完整的KG4AI构建流程如下图所示：

   

数据集的统计结果如下：

希望KG4AI知识图谱的发布可以帮助学界和业界更好地了解人工智能领域的学术资源，支撑更多实用服务的开发和应用，例如人才发掘和推荐等。

数据描述

KG4AI知识图谱使用 cnSchema 作为知识图谱Schema标准定义实体，使用 JSON-LD 格式来整合发布数据，具体的本体定义如下图所示：

实例数据样本如下图所示：

数据格式

目前网络上人工智能的学术数据零散且数据表达格式不统一，不易传播和使用。我们统一使用开源的cnSchema作为Schema标准，使用JDSON-LD格式发布数据，便于传播和使用。KG4AI知识图谱的发布可以帮助学界和业界更好地了解人工智能领域的学术资源，支撑更多实用服务的开发和应用，例如人才发掘和推荐等。

全球人工智能学术知识图谱的数据集已经发布到网站：

• (https://www./kg4ai)

• OpenBase众包知识标注平台

欢迎大家共同补充和完善该知识图谱。

学术头条已建立微信交流群，想进群的同学请加学术君微信：AMiner308，记得备注：名字+单位/学校噢！