<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<style type="text/css" style="display:none"><!-- p { margin-top: 0px; margin-bottom: 0px; }--></style>
</head>
<body dir="ltr" style="font-size:12pt;color:#000000;background-color:#FFFFFF;font-family:Calibri,Arial,Helvetica,sans-serif;">
<p><span style="font-size: 12pt;">*</span><span style="font-size: 12pt;">Apologies for cross-posting*​</span></p>
<div dir="ltr" style="font-size:12pt; color:#000000; background-color:#FFFFFF; font-family:Calibri,Arial,Helvetica,sans-serif">
<div>
<div dir="ltr" style="font-size:12pt; color:#000000; background-color:#FFFFFF; font-family:Calibri,Arial,Helvetica,sans-serif">
<div>
<div dir="ltr" style="font-size:12pt; color:#000000; background-color:#FFFFFF; font-family:Calibri,Arial,Helvetica,sans-serif">
<div>
<div dir="ltr" style="font-size:12pt; color:#000000; background-color:#FFFFFF; font-family:Calibri,Arial,Helvetica,sans-serif">
<div>
<div dir="ltr" style="font-size:12pt; color:#000000; background-color:#FFFFFF; font-family:Calibri,Arial,Helvetica,sans-serif">
<div>
<div tabindex="-1">
<div tabindex="-1">
<div tabindex="0">
<div class="_rp_H3" tabindex="-1" style="min-width:350px; clear:both">
<div tabindex="-1" class="_rp_w3 ms-border-color-neutralLight ShowReferenceAttachmentsLinks" style="border-color:rgb(234,234,234); min-height:70px; border-bottom-width:1px; border-bottom-style:solid; padding-bottom:30px">
<div>
<div class="_rp_y3" id="Item.MessagePartBody" style="clear:both; top:-5px; width:auto; padding-top:12px; word-wrap:break-word">
<div class="_rp_z3 ms-font-weight-regular ms-font-color-neutralDark rpHighlightAllClass rpHighlightBodyClass" id="Item.MessageUniqueBody" tabindex="0">
<div dir="ltr"><span dir="ltr">
<div align="justify">
<div align="justify">---------------------------------------------------------------------------------</div>
<div align="justify">                                             Call For Papers</div>
<div align="justify">---------------------------------------------------------------------------------​<br>
</div>
</div>
<div align="justify">1st International​ Workshop on Deep Learning for Knowledge Graphs </div>
<div align="justify">                    and Semantic Technologies (DL4KGs)</div>
<div align="justify">                     <a href="http://usc-isi-i2.github.io/DL4KGS/" style="">http://usc-isi-i2.github.io/DL4KGS/</a></div>
<div align="justify">
<div align="justify"></div>
<br>
</div>
<div align="justify">In conjunction with ESWC 20​18, 3rd-7th June 2018, Heraklion, Crete, Greece<br>
</div>
<div align="justify"><br>
</div>
<div align="justify"><br>
</div>
<div align="justify">---------------------------------------------------------------------------------</div>
<div align="justify">                                             Workshop Overview</div>
<div align="justify">---------------------------------------------------------------------------------</div>
<div align="justify"></div>
<div align="justify">Semantic Web technologies and deep learning share the goal of creating intelligent artifacts that emulate human capacities such as reasoning, validating, and predicting. There are notable examples of contributions leveraging either deep
 neural architectures or distributed representations learned via deep neural networks in the broad area of Semantic Web technologies. Knowledge Graphs (KG) are one of the most well-known outcomes from the Semantic Web community, with wide use in web search,
 text classification, entity linking etc. KGs are large networks of real-world entities described in terms of their semantic types and their relationships to each other.<br>
<br>
A challenging but paramount task for problems ranging from entity classification to entity recommendation or entity linking is that of learning features representing entities in the knowledge graph (building “knowledge graph embeddings”) that can be fed into
 machine learning algorithms. The feature learning process ought to be able to effectively capture the relational structure of the graph (i.e. connectivity patterns) as well as the semantics of its properties and classes, either in an unsupervised way and/or
 in a supervised way to optimize a downstream prediction task. In the past years, Deep Learning (DL) algorithms have been used to learn features from knowledge graphs, resulting in enhancements of the state-of-the-art in entity relatedness measures, entity
 recommendation systems and entity classification. DL algorithms have equally been applied to classic problems in semantic applications, such as (semi-automated) ontology learning, ontology alignment, duplicate recognition, ontology prediction, relation extraction,
 and semantically grounded inference.<br>
<br>
<br>
---------------------------------------------------------------------------------</div>
<div align="justify">                                                 Topics of Interest</div>
<div align="justify">---------------------------------------------------------------------------------</div>
<div align="justify">Topics of interest for this first workshop on Deep Learning for Knowledge Graphs and Semantic Technologies, include but are not limited to the following fields and problems:</div>
<div align="justify">
<ul>
<li>Knowledge graph embeddings for entity linking, recommendation, relatedness <br style="">
</li><li>Knowledge graph embeddings for link prediction and validation <br style="">
</li><li>Time-aware and scalable knowledge graph embeddings <br style="">
</li><li>Text-based entity embeddings vs knowledge graph entity embeddings <br style="">
</li><li>Deep learning models for learning knowledge representations from text <br style="">
</li><li>Knowledge graph agnostic embeddings <br style="">
</li><li>Knowledge Base Completion <br style="">
</li><li>Type Inference <br style="">
</li><li>Question Answering <br style="">
</li><li>Domain Specific Knowledge Base Construction <br style="">
</li><li>Reasoning over KGs and with deep learning methods <br style="">
</li><li>Neural networks and logic rules for semantic compositionality <br style="">
</li><li>Quality checking and Data cleaning <br style="">
</li><li>Multilingual resources for neural representations of linguistics <br style="">
</li><li>Commonsense reasoning and vector space models <br style="">
</li><li>Deep ontology learning <br style="">
</li><li>Deep learning ontological annotations <br style="">
</li><li>Applications of knowledge graph embeddings in real business scenarios<br style="">
</li></ul>
</div>
<div align="justify"><br>
</div>
<div align="justify">------------------------------------------------------------------------------------</div>
<div align="justify">                                                Important  Dates</div>
<div align="justify">------------------------------------------------------------------------------------</div>
<div align="justify">Submission deadline:                Friday March 16, 2018</div>
<div align="justify">Notification of Acceptance:        Tuesday April 17, 2018</div>
<div align="justify">Camera-ready Submission:       Tuesday April 24, 2018</div>
<br>
​</span>
<div align="justify">---------------------------------------------------------------------------------</div>
<div align="justify">                                                 WORKSHOP CO-CHAIRS</div>
<div align="justify">---------------------------------------------------------------------------------</div>
<div align="justify"><br>
</div>
<div align="justify">Michael Cochez, Fraunhofer Institute for Applied Information Technology, Germany</div>
<div align="justify">Thierry Declerck, DFKI GmbH, Germany</div>
<div align="justify">Gerard de Melo, Rutgers University, USA</div>
<div align="justify">Luis Espinosa Anke, Cardiff University, UK</div>
<div align="justify">Besnik Fetahu, L3S Research Center, Leibniz University of Hannover, Germany</div>
<div align="justify">Dagmar Gromann, Technical University Dresden, Germany</div>
<div align="justify">Mayank Kejriwal, Information Sciences Institute, USA</div>
<div align="justify">Maria Koutraki, FIZ-Karlsruhe, Karlsruhe Institute of Technology (KIT), Germany</div>
<div align="justify">Freddy Lecue, Accenture Technology Labs, Ireland; INRIA, France</div>
<div align="justify">Enrico Palumbo, ISMB, Italy; EURECOM, France; Politecnico di Torino, Italy</div>
<div align="justify">Harald Sack, FIZ Karlsruhe, Karlsruhe Institute of Technology (KIT), Germany​</div>
​</div>
<div dir="ltr"><span dir="ltr">More information about DL4KGs 2018 is available at: </span><a href="http://usc-isi-i2.github.io/DL4KGS/">http://usc-isi-i2.github.io/DL4KGS/</a>
<div><br>
</div>
<div align="justify">
<div align="justify"></div>
</div>
</div>
<div dir="ltr"><font><span dir="ltr">​ </span></font></div>
</div>
</div>
</div>
<div class="_rp_C3" style="font-family:"Segoe UI","Segoe WP","Segoe UI WPC",Tahoma,Arial,sans-serif; font-size:medium; clear:both">
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</body>
</html>