知识图谱方向博士候选人 2 名

项目概览

该职位面向知识图谱方向的两名博士候选人，研究地点在 KU Leuven 计算机科学系，并与 Flanders Make 和 Leuven.AI 保持关联。

项目围绕语义网技术、知识图谱、数据工程、流式处理、自然语言处理与语言模型等方向展开，可对应不同的应用子题。

职位要求申请者具备较强的计算机科学、数据科学或 AI 背景，并能在国际化、多学科团队中独立推进研究。

截止日期为 2026 年 9 月 25 日，联系人为 Prof. dr. ir. Anastasia Dimou。

项目详情

项目说明写得很明确：研究工作将在 KU Leuven 的 DTAI 和 EAVISE 两个研究组内开展，申请者还将与 Flanders Make 和 Leuven.AI 关联。DTAI 负责声明式语言、机器学习和知识表示方向的基础与应用研究；EAVISE 则是一个面向先进计算机视觉与人工智能应用的多学科团队，强调把学术研究与产业需求连接起来；Flanders Make 则是弗拉芒地区的战略研究中心，服务制造业长期竞争力提升。换言之，这不是孤立课题，而是嵌入研究组、合作中心与应用场景的联合项目。

职责部分列得较完整。研究者需要围绕题目开展高质量研究，配合 Flanders Make 的项目与相关活动，参与成果传播，包括活动、论文和国际会议，还要参与研究组教学工作，并在多学科、国际化团队中工作。这样的设置说明该职位不仅要求产出论文，也要求参与教学、交流与协作，适合能够兼顾科研推进和团队责任的申请者。

项目还把候选人的技能需求拆成了通用能力与题目相关能力。通用要求包括：能够独立工作但也愿意合作；具备语义网技术经验，如 RDF、SPARQL、SHACL 等；以及知识图谱基础。若申请的是 streaming knowledge graphs 子方向，则最好理解数据工程和流处理技术；若申请的是 automated understanding of legal documents 子方向，则最好具备自然语言处理基础并有语言模型经验。换句话说，题目虽然统一在“知识图谱”之下，但分支方向不同，准备重点也不同。

学历要求是计算机科学、数据科学、AI 或相近领域的 MSc 或 PhD；同时还要求申请者在计算机科学的理论与应用两方面都有基础，具备抽象问题和泛化解决方案的能力，愿意研究新问题，并有一定领导力去管理学生和项目。英语口语和写作也要良好。对申请者来说，这些要求说明职位并非只看单一技术栈，而是同时看研究能力、项目协作能力和教学/组织能力。

工作环境方面，项目提供弹性工作时间和居家办公安排、年轻且快速成长的团队、科学自由度较高的国际环境，以及与国际实验室和专家合作的机会，还支持职业旅行与职业发展。联系信息由 Prof. dr. ir. Anastasia Dimou 提供。如果申请者希望在知识图谱、语义网、NLP 与应用研究之间找到一个结合点，这个职位具有较强的方向清晰度。项目对成果传播、教学参与和跨学科协作的要求，也意味着申请者需要把论文、项目执行和团队沟通同步推进。 这类安排也表明，课题希望申请者不只做单点建模，而是把知识图谱方法推进到可持续的研究与应用链条中，并服务于应用场景。

申请要点

• 研究方向：知识图谱、语义网技术、流式知识图谱、法律文档自动理解。

• 技能要求：RDF、SPARQL、SHACL、知识图谱；流式处理或 NLP / 语言模型经验视子方向而定。

• 学历要求：MSc 或 PhD，专业为 Computer Science、Data Science、AI 或同等领域。

• 其他能力：能够独立研究、参与协作、指导学生与项目、并具备良好英语沟通能力。

• 申请任务：高质量研究、成果传播、教学参与、跨学科团队协作。

• 资助信息：正文未单独写明奖金或津贴数额，但职位为正式博士岗位。

• 联系方式：Prof. dr. ir. Anastasia Dimou；anastasia.dimou@kuleuven.be。

• 截止时间：2026 年 9 月 25 日 23:59（比利时时间，UTC+02:00）。

需要进一步确认

• 项目标题写明 “2 PhD candidates”，但并未说明两个名额是否分别对应不同子方向，申请者需要进一步确认。

• 申请页面没有展开奖学金金额、学费覆盖或工作量具体分配，尚未明确说明。

• 如果申请者想优先选择 streaming knowledge graphs 或 legal documents 方向，需要在联系时确认分流规则与匹配标准，并服务于应用场景。

PhD 项目深度调研报告：知识图谱方向 2 个博士名额

执行结论

推荐等级：有吸引力，但需要核实匹配度。

这是一项对真正具备语义网和知识图谱能力的申请者而言较有吸引力的 KU Leuven 机会。KU Leuven 官方 jobsite 页面当前可访问，岗位编号为 BAP-2026-548，页面显示最后修改时间为 2026 年 8 月 26 日；其结构化职位数据给出的 validThrough 为 2026-09-25T23:59:00+02:00（Official KU Leuven job page）。页面同时提供了官方申请入口（KU Leuven online application tool）。

这项机会最突出的优势在于：研究主题与 Anastasia Dimou 在语义网和知识图谱方向的积累直接匹配；岗位同时嵌入 DTAI、EAVISE、Flanders Make 和 Leuven.AI 的联合环境；并且明确分成两个应用分支，一是 streaming knowledge graphs，二是 automated understanding of legal documents。需要特别注意的则是资助细节。KU Leuven 的博士说明页面写明，jobsite 上发布的 PhD 岗位通常已经由导师获得资助，但这条具体招聘并未公开工资或奖学金数额，也没有明确说明是 employment 还是 scholarship、国际注册费是否覆盖、税务/社保归类，或每月净收入水平（PhD information - KU Leuven Jobsite）。

对于中国申请者，公开证据中没有看到国籍排除条款。中国授予的硕士学位在理论上可以构成可行路径，但前提是 KU Leuven 在个案审查中认定其属于相关同等高等教育学位。SET 博士录取规则明确是按申请材料逐案评估，而不是由公开规则直接预批（SET doctoral admission requirements, SET doctoral regulation）。

学校、项目与地点信号

KU Leuven 的机构层面信号很强。其官方 facts 页面列出 THE 2026 排名 46、QS 2026 排名 60、ARWU 2025 排名 76，同时显示学校拥有 22,000 多名教职工、8,000 多名研究人员以及 64,000 多名学生（KU Leuven facts and figures）。对知识图谱方向博士而言，真正重要的不只是综合排名，而是本地 AI 与应用计算环境。

Leuven.AI 是这个岗位的重要加分项。KU Leuven 将其描述为学校的 AI 研究院，汇聚 15+ 个 AI 主题、100+ 位教授以及数百名研究人员，覆盖 AI 的技术与社会层面研究（About Leuven.AI）。岗位还与 DTAI 和 EAVISE 直接相连。EAVISE 是 KU Leuven Campus De Nayer 的多学科团队，侧重将计算机视觉与 AI 应用于工业问题，包括嵌入式系统与行业场景（EAVISE）。

Flanders Make 的关联则进一步增强了产业环境信号。其官方页面将自己定位为面向智能制造、创新与测试的战略研究中心，服务多个工业部门（Flanders Make）。这意味着该项目并不只是一个纯理论知识图谱岗位，而是明显具有面向工业数据和应用落地的一面。

导师与实验环境评估

导师研究方向

Anastasia Dimou 与该岗位的主题匹配度很高。KU Leuven 官方 who-is-who 页面将她列在 DTAI、Department of Computer Science，研究主题明确包括 semantic web 和 knowledge graphs，并展示了与知识图谱构建、RDF materialisation（RDF 实体化）以及机器学习语义层相关的项目和论文（Anastasia Dimou - KU Leuven profile）。Leuven.AI 页面则把她的研究概括为：通过机器学习促进知识图谱生成以支撑 Semantic Web 应用，并探索 Semantic Web 与机器学习的结合以及数据隐私问题（Anastasia Dimou - Leuven.AI）。

DTAI 的介绍页面也直接把她的方向概括为 Semantic Web、Knowledge Graphs 和 AI（Semantic web and knowledge graphs - DTAI）。Research Portal 还显示她主持一个 2022 至 2026 年运行的 FWO 项目 Knowledge Graphs for Data Integration，这说明她并不是只在发表论文层面涉及该领域，而是在持续承担知识图谱相关研究项目（Knowledge Graphs for Data Integration）。

近期重要论文

近期论文证据能够支持标准深度的研究判断。KU Leuven 个人主页列出的 2025 年 PVLDB 论文 “From Genesis to Maturity: Managing Knowledge Graph Ecosystems Through Life Cycles” 直接涉及真实世界知识图谱在构建、维护、质量和治理上的生命周期问题，这与长期运行和应用中的 KG 生态十分相关（Anastasia Dimou - KU Leuven profile）。

同一页面还列出 2024 年 ISWC 论文 “KROWN: A Benchmark for RDF Graph Materialisation”，其主题是可扩展 RDF 图构建和 materialisation，与招聘中明确要求的 RDF、SPARQL 和 SHACL 背景高度贴合（Anastasia Dimou - KU Leuven profile）。

另一篇 2024 年 ESWC 论文 “MLSea: A Semantic Layer for Discoverable Machine Learning” 则体现了 Semantic Web 与机器学习结合的方向，说明团队并非只关注静态知识图谱，而是在探索知识图谱与机器学习数据发现的结合（Anastasia Dimou - KU Leuven profile）。

除此之外，Dimou 还共同组织并共同撰写了 2024 年 Dagstuhl seminar report “Are Knowledge Graphs Ready for the Real World? Challenges and Perspective”，这份材料对于知识图谱生命周期、用户参与、质量控制和现实落地问题提供了较好的领域视角（Dagstuhl Seminar 24061）。DBLP 也独立记录了她近期的论文和 workshop 活动（DBLP: Anastasia Dimou）。

实验室、资源与协作环境

官方职位说明写得相当清楚：工作将在 DTAI 和 EAVISE 内进行，研究者还将与 Flanders Make 和 Leuven.AI 关联，并需要跟进项目活动、参与成果传播、国际会议和教学工作（Official KU Leuven job page）。这表明该岗位带有明显的研究与应用双重属性。

EAVISE 的项目列表也进一步支撑了这一点，其中包括知识图谱与工业 AI 方向的项目，例如 “Knowledge Graphs for Intelligent Decision-making for Decentralised Data” 以及其他知识库/AI 应用工作（EAVISE projects）。Leuven.AI 关于产学合作的文章也说明 DTAI-EAVISE 在 Campus De Nayer 的工作，面向工业 AI、制造知识和与 Flanders Make 的协同（AI in engineering and industry）。

研究方向与领域前景

领域动能

这个题目是及时的，因为知识图谱正从静态 RDF 存储逐步走向操作性数据生态、工业数据集成、机器学习数据发现、数据空间以及可信 AI 工作流。岗位提供的两个方向分别对应两个不同但逻辑连贯的前沿：一个是面向动态数据处理的 streaming knowledge graphs，另一个是面向 NLP / LLM 与知识图谱结合的法律文档自动理解。

KU Leuven Research Portal 的项目证据同时支持这两个面向。Knowledge Graphs for Manufacturing 项目明确把知识图谱用于制造过程数据、可解释性与操作员知识管理（Knowledge Graphs for Manufacturing）。Automatic Validation of Knowledge Graphs 项目则聚焦语义网技术和知识图谱在机器学习数据发现与 AutoML 中的作用（Automatic Validation of Knowledge Graphs）。

潜在研究切入点

对于 streaming 方向，较可能的切入点包括：增量式知识图谱构建、RDF 流处理、动态更新条件下的知识图谱验证、时间性 provenance（来源追踪）、面向动态数据的 SHACL 约束，以及可扩展实体化。对于 legal-document 方向，较可能的切入点包括：实体与关系抽取、法律概念建模、LLM 辅助标注、知识图谱约束下的文档理解，以及来源可追踪性和可解释性。

申请者不宜把自己的研究叙述写成泛化的“我会做 AI”。更有力的叙述方式，是把 RDF、SPARQL、SHACL 与某一条具体方向直接挂钩，然后进一步展示自己在流处理/数据工程，或者 NLP/LLM 法律文档理解方面的实际能力。

职业与市场前景

从就业角度看，这个方向的信号较为正面。语义网与知识图谱技能可以延伸到学术 KG/语义网研究、数据集成、数据空间工程、制造 AI、知识图谱工程、NLP/legal-tech、AI 治理、可解释 AI 以及产业数据工程。Flanders Make 与 DTAI-EAVISE 的组合，也让这个岗位比很多纯学术 KG 项目更偏应用、更接近工业场景（Flanders Make, AI in engineering and industry）。

资助、申请与生活成本

资助判断必须保持精确。KU Leuven 的博士申请说明写明，jobsite 上发布的 PhD 岗位一般已经通过导师获得资助（Doctoral application instructions）。其博士说明页面进一步指出，薪酬水平取决于人员类别；博士奖学金持有者通常会获得与 assistant 净收入等价的金额，但具体数值是在雇佣或奖学金协议开始时计算（PhD information - KU Leuven Jobsite）。

不过，这条具体招聘并未公开说明以下关键财务信息：究竟按 salary 还是 doctoral scholarship 支付、税务与社保如何处理、国际注册费/学费是否覆盖、以及每月净收入是多少。因此，在财务层面对这个机会做排序之前，这些信息都必须进一步核实。

生活成本方面，KU Leuven 的住房页面显示，学生房间可能从每月 EUR 490 起，而公寓或整套住房可能超过 EUR 1,500/月（KU Leuven additional housing costs）。另一份较早的 KU Leuven HR 页面估算，单人每年生活开销大致在 EUR 9,000-10,000；由于这份信息较旧，更适合作为粗略基线而非当前精确预算（KU Leuven living expenses）。

非 EEA 申请者还需要预留移民流程时间。KU Leuven 的 immigration 页面说明，非 EEA 国籍通常涉及签证、居留和工作许可程序（KU Leuven immigration and residence）。欧盟面向比利时研究者的页面则说明，非欧盟研究者一般需要 hosting agreement 和相应的 single permit / residence 流程（EU portal: researcher in Belgium）。

申请匹配与准备

最适合的背景

最合适的申请者，通常是拥有 Computer Science、Data Science、AI 或相关领域 MSc 的人，并且真的做过语义网和知识图谱相关工作。官方招聘明确把 Semantic Web technologies，例如 RDF、SPARQL 和 SHACL，以及 knowledge graphs 列为核心要求（Official KU Leuven job page）。

对于 streaming 方向，较有价值的证据包括数据工程、流处理和动态/增量图系统经验。对于法律文档方向，较有价值的证据包括 NLP、语言模型、文档理解以及结构化法律领域建模。

对中国申请者来说，国籍本身并不是公开障碍。真正需要判断的是学历资格：SET 规则要求相关硕士或同等高等教育学位，录取基于个案材料或 predoctoral 路径（SET doctoral admission requirements, SET doctoral regulation）。

需要谨慎的情况

如果申请者只有泛化的机器学习经验，而缺少 RDF、SPARQL、SHACL 或语义数据建模经验，就需要谨慎。因为这条岗位的第一项技术要求是语义网技术，而不是宽泛的深度学习背景。

如果申请者对资助细节不透明无法接受，也需要谨慎。虽然 KU Leuven 的 jobsite 体系表明资金通常已经到位，但该广告本身没有公开具体净额，也没有明确国际注册费覆盖情况。

可强化的技能与证据

有竞争力的材料通常包括：使用 RDF、RML/R2RML、SPARQL、SHACL、知识图谱构建、图实体化、ontology engineering（本体工程）、provenance 或 validation 的硕士论文或项目。分支方向相关的证据则应分别覆盖流处理系统/数据工程，或者 NLP/LLM 文档理解工作。开源代码、可复现实验基准，以及论文或 workshop 文章都会明显加分。

风险与待确认问题

高优先级问题

• 具体适用的工资或奖学金金额、月净收入估计、税务/社保状态，以及国际注册费/学费覆盖情况是什么？
• 两个名额中，哪一个对应 streaming knowledge graphs，哪一个对应 automated understanding of legal documents？
• KU Leuven 是否会把申请者中国授予的 MSc 视为 SET 博士录取所需的同等学位？
• 对非 EEA 的中国申请者，预期需要哪些文件、处理时间大概多长？
• Flanders Make 的项目交付物和产业合作义务具体有哪些？

中优先级问题

• 预期教学负担是多少，会落在哪些课程上？
• 是否已经有可用的数据集、法律语料、制造数据流或基准任务？
• 论文目标更偏向 ISWC/ESWC、VLDB、WebConf、Semantic Web 期刊，还是应用 AI 会议？
• 在 streaming 与 legal-document 两条线之间，后续调整方向的灵活度有多大？
• 完成录取和移民手续后，现实可行的起始时间是什么？

证据与来源

核心岗位与申请规则

• Official KU Leuven job page
• KU Leuven online application tool
• PhD information - KU Leuven Jobsite
• SET doctoral admission requirements
• SET doctoral regulation
• Doctoral application instructions
• KU Leuven immigration and residence
• EU portal: researcher in Belgium

学校、导师与研究环境

• KU Leuven facts and figures
• Anastasia Dimou - KU Leuven profile
• Anastasia Dimou - Leuven.AI
• Semantic web and knowledge graphs - DTAI
• EAVISE
• Flanders Make
• About Leuven.AI
• EAVISE projects
• AI in engineering and industry

项目与论文线索

• Knowledge Graphs for Data Integration
• Knowledge Graphs for Manufacturing
• Automatic Validation of Knowledge Graphs
• DBLP: Anastasia Dimou
• Dagstuhl Seminar 24061

生活成本

• KU Leuven additional housing costs
• KU Leuven living expenses