报告地点：舜耕校区实验楼505

报告时间：2025年9月11日（星期四）10：00—

主办单位：亚洲博彩平台网址大全

协办单位：科研处，黄河流域生态统计协同创新中心、现代统计交叉科学重点实验室、统计学博士后科研流动站

一、工作论文汇报和交流

二、特邀专家报告

1. 报告题目：Causal Knowledge Graphs: Bridging Knowledge Representation and Causal Inference

摘 要：知识图谱与本体论能够对事实进行结构化编码并支持演绎推理，而结构因果模型为因果推断提供了系统化框架。然而，这两种范式长期以来相对独立。本文提出因果知识图谱（Causal Knowledge Graphs，CKGs），通过为传统知识图谱引入因果语义，弥合二者之间的鸿沟。我们重点探讨一个核心问题：在引入概率解释的同时，如何保持逻辑语义（如疾病层次结构中的包含关系）的一致性？

以药物安全性为案例研究，我们展示了如何结合演绎推理与因果推断来解决实际问题。CKGs 能够自动生成研究假设，并在数千个候选不良事件中进行筛选与验证。本研究将文献挖掘构建的因果网络与大规模观察性队列数据（英国生物银行、MIMIC）相结合，从观察数据中识别出新的重要不良事件。结果表明，该方法可有效整合符号推理与统计推断，实现大规模、知识驱动的因果发现。

报 告 人：Robert Hoehndorf 教授

专家简介：Robert Hoehndorf 是沙特阿拉伯阿卜杜拉国王科技大学（KAUST）的副教授，同时领导生物本体论研究小组（Bio-Ontology Research Group，BORG）。他获莱比锡大学计算机科学博士学位，曾先后任职于马克斯·普朗克进化人类学研究所、欧洲生物信息学研究所、剑桥大学及阿伯里斯特威斯大学。他的研究横跨知识表示与机器学习，致力于应对生物学与生物医学中的关键挑战。当前研究重点是开发形式化方法，将生物医学知识图谱与统计推断和因果推断相融合，并应用于药物发现、疾病机制解析以及基因型—表型关系分析。他开创了神经–符号学研究路径，将本体推理与深度学习结合，用于生物数据的整合与分析。此外，他担任 《生物医学语义学杂志》（Journal of Biomedical Semantics）主编，并带领团队开发和维护了多种广泛使用的语义分析与预测工具，其中包括基于本体的DeepGO系列方法，用于蛋白质功能预测。