1688商业化团队致力于通过Agent技术与领域大模型为商家提供高效的AI买家营销与服务产品，但B类电商中买家行为稀疏、采购需求复杂、决策因子多样，对高质量买家需求理解、精准营销策略生成技术提出挑战。我们通过LLM驱动的Schema构建与知识挖掘、多源异构知识融合构建高质量的买家采购知识图谱，并通过买家采购需求预测与决策因子挖掘构建高效的买家运营Agent，应用在AI买家询单与B类买家营销业务中。
2.
电商场景中知识图谱驱动的营销Agent实践经验
个人介绍：徐晓舟（黑匣）毕业于清华大学，淘天集团1688商业化中心高级算法专家，曾就职于网易、吉利汽车，目前负责1688商家端AI智能体与领域大模型训练与应用，在搜索推荐、智能CRM与数据技术方向有多年从业经验，在SIGMOD、ICML、KDD有多篇工作发表。
本分享是
「大模型时代的知识图谱架构峰会」
的议题，欢迎感兴趣的小伙伴
识
别二维码免费报名，收看直播：
上午场 09：00-12：00
主论坛：知识图谱与大模型融合：下一代智能系统的前沿探索
徐晓舟 1688商业化中心 高级算法专家
演讲题目：LLM驱动的B类采购知识图谱构建与Agent应用
其他议题
：
敬请期待
下午场 14：00-17：00
专题论坛：企业知识管理智能化升级：图谱构建+大模型驱动
出品人 ：周研 浙江创邻 联合创始人、CTO
个人介绍：分布式数据处理领域技术专家、图数据库和图计算领域专家、Galaxybase分布式图数据库产品研发负责人、OpenKG SIGSPG小组创始成员、《图数据库：理论与实践》作者。承担多个图计算领域重大研发专项项目，是图数据库、图计算和知识图谱领域国内外多个标准化委员会成员，主导和参与制定多项国家标准和行业标准。
个人介绍：蚂蚁图计算开源负责人、图计算布道师。负责TuGraph的开源技术与社区，致力于「Graph+AI」技术探索。TuGraph/DB-GPT/OSGraph Maintainer、《自己动手构造编译系统》作者。先后就职于腾讯、阿里云、蚂蚁，从事大数据平台、云数据库、图计算相关的产品设计和技术建设。在分布式计算、数据安全管理、数据中台架构、开源布道等领域有丰富的开发和实践经历。
演讲题目：Graph + AI 时代私域知识问答链路的建设与优化
演讲介绍：大模型时代，利用Graph的可解释性优势，可以有效降低模型推理幻觉，提升问答质量。随着行业私域知识的不断积累，私域知识库的存储规模和实时性诉求将不断提升。如何通过优化模型推理链路，在知识库不断增长的过程，仍能保证私域知识问答的质量，将是非常值得研究的课题。
3、
Graph + AI 结合技术
个人介绍：胡芳槐，知识图谱方向博士，海乂知信息科技（南京）有限公司 CTO，15年知识图谱研究及产业化经验，多个国家级项目骨干成员，ISWC、CCKS等国际会议、顶级期刊发表多篇论文，多次受邀参与行业顶级交流报告。知识图谱全生命周期理论联合提出者，北理工大数据学习中心顾问专家。参编了多项知识图谱相关标准制订以及《知识图谱方法、实践与应用》、《大规模企业级知识图谱实践综述》等知识图谱领域具有较大影响力书籍及论文的撰写。
大模型正在重塑知识工程，使其从传统的显式结构化知识处理，向更加自动化、多模态、神经符号融合的方向发展。未来，知识图谱与大模型的结合将进一步提升知识计算的智能化程度，推动智能问答、自动推理、决策支持等应用的创新。
3、
探索知识工程行业应用落地新方式
其他议题
：
敬请期待
欢迎感兴趣的小伙伴
识别二维码免费报名，收看直播：
出品人：刘焕勇 360人工智能研究院 资深算法专家、知识图谱及文档跨模态方向负责人
个人介绍：曾就职于中国科学院软件研究所。主要研究方向为文档理解、知识增强。近年来参与360文档大模型、360智脑大模型及右侧推荐等落地项目研发，发表专利十余项、论文数篇，开源项目70余个，在OGB实体链接预测、ICPR 公式识别等多个评测任务中获得多项冠亚军，创立“老刘说NLP”技术社区，具有广泛影响力。
议题
：
敬请期待
出品人：陈佼 恒生研究院 高级技术专家
个人介绍：恒生电子，大模型研发提效技术负责人，高级技术专家，拥有10多年技术平台架构设计及开发经验，多年AI、知识图谱及相关领域经验，已为数十家金融机构提供了各种类型的智能应用及数据服务。目前的研究重点是大模型研发提效其工程化应用落地。
徐铖晋 粤港澳大湾区数字经济研究院 数创弧光 联合创始人&CTO
个人介绍：深圳市孔雀计划特聘专家（B 类），现任 IDEA 研究院AI研究科学家。负责知识图谱、大模型技术在金融领域的应用研究。在ICLR、TPAMI等顶会顶刊发表论文40余篇，论文被谷歌、亚马逊等机构广泛引用，并受到人民日报等媒体报道。
演讲题目：“智能不够，知识来凑”——知识驱动的金融决策智能体
演讲介绍：金融决策需要基于海量信息进行深度思考，现有大语言模型尽管在通用场景下有出色推理表现，但在金融决策场景仍不够智能，对金融信息的利用能力有限。我们使用一种新的语境图谱技术，将零散的金融信息高效地网络化、知识化，引导大模型在金融决策的过程中进行深度思考。语境图谱技术，解决了传统知识图谱构建难的问题，比微软的GraphRAG在图谱构建效率上提高了200倍，在公开知识推理数据集和实际金融问答业务中较现有方法实现了显著提升。
2.
了解大模型与知识图谱的最新技术成果和实战效果
个人介绍：技术出身的产品经理 | 毕业于北京大学 | FRM持证人 | 十年互联网、数据与金融行业资深经验
专注于将前沿AI技术深度赋能金融业务场景，致力于推动金融行业的智能化转型与创新。在大模型、知识图谱、异常检测、可解释机器学习等领域拥有丰富的实战经验与深刻洞察，成功主导多个从0到1的AI产品落地，显著提升业务效率与决策精度。
演讲题目：知识图谱与大模型双轮驱动：金融行业智能化产品与架构的演进之路
演讲介绍：在金融行业，传统知识图谱技术在证券交易画像分析、信用分析、投研投顾、反洗钱等场景中已广泛应用，但其依赖人工规则与结构化数据，难以处理非结构化数据与复杂推理，应用效果逐渐触及天花板。随着大模型技术的快速发展，金融行业迎来了从规则驱动到认知驱动的范式转变。大模型具备更强的语义理解与推理能力，结合知识图谱的结构化优势，实现了从静态知识到动态知识、从单一场景到多场景协同的突破，为金融智能化转型提供了全新动力。本次将深入探讨大模型技术如何赋能知识图谱，推动金融行业产品功能与架构设计的演进。例如，在证券交易画像分析中，结合大模型的语义理解能力，构建更精准的交易行为画像；在反洗钱场景中，通过大模型赋能知识图谱，显著降低误报率与漏报率。同时，我们也将分享落地过程中的核心挑战，如数据治理与标准化、大模型与知识图谱的协同优化，并提出针对性的解决思路。通过实际案例，我们展示了某头部金融机构在应用该方案后，业务准确率提升20%，风险预警效率提高25%。未来，大模型与知识图谱的深度融合将进一步推动金融行业智能化产品的规模化应用与生态建设，为行业长期发展注入新动能。
1、
通过实际案例学习如何解决金融行业智能化转型中的关键挑战，包括数据、架构、模型与业务适配。
2、
获得金融行业智能化产品与架构演进的未来方向，为自身企业的技术布局提供参考。
个人介绍：复旦大学人工智能方向博士，罗格斯-新泽西州立大学访问学者。曾任上海证券交易所资本市场研究所博士后研究员，主持包括证券知识图谱等多个证券系统重点研究项目。现主要从事智能投研、金融大模型相关技术研究、产品研发等工作，推出WarrenQ新一代投研投顾端、语控万数Agent平台、投研一体化平台等创新产品。
演讲题目：DeepSeek+WarrenQ：深度推理加持一站式投研端
DeepSeek-R1深度推理能力，在投研场景落地能有哪些提升？DeepSeek+实时金融数据+业务场景，能做到哪些开箱即用的亮眼应用？从技术亮点、产品场景、部署应用等方面，展开实践分享，并给出后续规划展望。
1.
DeepSeek-R1在投研投顾领域的产品应用实践；
2.
DeepSeek+实时金融数据+业务场景的后续展望；
其他议题：敬请期待
欢迎感兴趣的小伙伴
识别二维码免费报名，收看直
播：
