如何用大模型推动学术知识图谱挖掘任务？OAG-Challenge @ KDD Cup 2024 邀你来赛！
竞赛网址：https://www.biendata.xyz/kdd2024/
竞赛背景
自 1997 年创办以来，知识发现和数据挖掘会议 ACM SIGKDD 上举办的 KDD Cup 被誉为全球最具影响力和最受欢迎的数据挖掘竞赛之一。KDD Cup 的主题覆盖了众多领域，包括社交网络、大气科学、城市计算、电子商务等。参赛者需要运用数据挖掘和机器学习技术，从大规模数据中发掘规律和模式，以寻找有效的解决方案。
KDD Cup 预计将持续约 3 个月，获奖者将在 KDD 会议开幕式上接受颁奖，并在会议期间的 KDD Cup Workshop 上展示他们的解决方案。
赛题背景
学术数据挖掘的最终目标是加深我们对科学的发展、本质和趋势的理解，从而发掘科学、技术和教育的巨大价值和潜能。例如，从学术数据中进行深度挖掘可以协助政府制定科学政策，支持公司人才发现，并帮助研究人员更高效并有效地获取新知识。
学术数据挖掘包含很多以学术实体为中心的应用，比如论文检索、专家发现和期刊推荐等。然而，学术知识图谱挖掘相关的数据基准的缺乏严重限制了该领域的发展。
在 KDD Cup 2024，清华大学、智谱AI 联合 Biendata 推出 Open Academic Graph Challenge (OAG-Challenge)，这是一个由三个现实而具有挑战性的学术任务组成的赛题，旨在推进学术知识图谱挖掘领域的发展。
赛题介绍
OAG-Challenge 目前包括三个任务，旨在评估学术图谱挖掘的不同侧面，试图涵盖学术图谱挖掘领域的代表性任务。首先，我们确定了学术图谱构建过程中有价值且具有挑战性的任务，例如作者姓名消歧（Author Name Disambiguation, AND）。其次，基于构建的学术知识图谱，学术应用关注用户的知识获取和知识之间的认知关联，例如学术问答（Academic Question Answering, AQA）和论文源头追溯（Paper Source Tracing, PST）。
赛道1：同名消歧错误检测（WhoIsWho-IND）
问题定义：给定每个作者的论文列表和论文元数据，目标是检测每个作者档案中错误分配给该作者的论文。
赛道2：学术问答 (AQA)
问题定义：给定专业问题和候选论文库，目标是检索最相关的论文来回答这些问题。
赛道3：论文源头追溯（PST）
问题定义：给定每篇论文的全文，目标是自动追溯启发给定论文的最重要的参考文献（命名为“源头论文”）。
竞赛日程
2024年3月20日：KDD Cup 2024 正式开始
2024年5月31日：组队截止日期
2024年5月31日：公开测试集数据。所有参赛者将有7天的时间提交结果。
2024年6月7日：所有赛道提交截止
2024年6月14日：宣布 KDD Cup 2024 获奖者名单
奖金
每个赛道的奖金均为 10000 美元。
第一名：3000 美元
第二名：2000 美元
第三名：1000 美元
第四至第十一名：500 美元
大模型和API使用
所有赛道均允许使用比赛结束前已开源的预训练模型。
同名消歧错误检测和论文源头追溯任务允许使用 API。在完成一次验证集的有效提交后，每个参赛队伍可以获得 GLM-4 API 100 万 Token 的免费额度。
由于学术问答数据集是从公开问答平台收集的，该任务不允许使用 API。
