小像学院《知识图谱》课程,全套视频教程学习资料通过百度云网盘下载

admin

资源详情


小像学院《知识图谱》课程2017年10月24-2018年1月课程简介：本次的知识图谱课程主要包括三大部分：1.xa0xa0知识图谱的工程方法论。指导学员了解并掌握知识图谱的基本概念和发展历史，梳理清知识图谱的技术体系，掌握知识图谱的核心技术原理，建立知识图谱工程的方法论思维。2.xa0xa0知识图谱的实战技术。从实战出发，围绕知识表示、知识抽取、语义搜索、知识问答、知识推理、知识融合等系统忄生介绍知识图谱相关的实战技术，使得学员具备研发知识图谱相关应用的基础能力。3.xa0xa0知识图谱的典型应用。结合医疗、金融、电商等实际应用场景，介绍知识图谱各个技术点的实际应用落地方式，使得学员具备结合自身背景开展知识图谱技术实践的应用能力。面向人群：1.xa0xa0希望学习知识图谱的学生；2.xa0xa0希望了解知识图谱实战技术的IT从业人员；3.xa0xa0未来希望成为知识图谱工程师的求职者；4.xa0xa0想在知识图谱方向进行深入研究者。学习收益：通过本课程的学习，学员将会收获：1.帮助学员系统忄生的掌握知识图谱的核心技术原理，结合近期研究成果，学习从基本概念到各个先进算法和技术的转化思路2.了解国内外典型的开源知识库数据及技术资源3.实践与理论结合，培养学员面对工程及学术问题的思考解决能力4.基于百科知识进行各项核心技术的实例训练，并结合医疗、金融、电商等行业应用帮助学员快速积累知识图谱工程项目经验5.对有志于从事知识问答工作或学术研究的学员，提供IBMWatson系统实现原理的讲解与指导课程大纲：第一课：xa0xa0知识图谱概论xa0xa0xa0xa0xa0xa0xa0xa01.xa0xa0知识图谱的起源和历史xa0xa02.xa0xa0典型知识库项目简介xa0xa03.xa0xa0知识图谱应用简介xa0xa04.xa0xa0本次课程覆盖的主要范围：知识表示与建模、知识抽取与挖掘、知识存储、知识融合、知识推理、语义搜索、知识问答和行业知识图谱应用剖析等内容。第二课：xa0xa0知识表示与知识建模xa0xa0xa0xa0xa0xa0xa0xa01.xa0xa0早期知识表示简介xa0xa02.xa0xa0基于语义网的知识表示框架xa0xa0xa0xa0xa0xa0a.xa0xa0RDF和RDFSxa0xa0xa0xa0xa0xa0b.xa0xa0OWL和OWL2Fragmentsxa0xa0xa0xa0xa0xa0c.xa0xa0SPARQL查询语言xa0xa0xa0xa0xa0xa0d.xa0xa0Json-LD、RDFa、HTML5MicroData等新型知识表示xa0xa03.xa0xa0典型知识库项目的知识表示xa0xa04.xa0xa0基于本体工具（Protege）的知识建模最佳实践第三课：xa0xa0知识抽取与挖掘Ixa0xa01.xa0xa0知识抽取任务定义和相关比赛：实体识别、关系抽取和事件抽取xa0xa02.xa0xa0面向结构化数据（关系数据库）的知识抽取，包括D2RQ和R2RML等转换与映射规范与技术介绍xa0xa03.xa0xa0面向半结构化数据（Webtables,百科站点等）的知识抽取xa0xa0xa0xa0xa0xa0a.xa0xa0基于正则表达式的方法xa0xa0xa0xa0xa0xa0b.xa0xa0Bootstrapping和WrapperInduction介绍xa0xa04.xa0xa0实践展示：基于百科数据的知识抽取第四课：xa0xa0知识抽取与挖掘IIxa0xa01.xa0xa0面向非结构化数据（文本）的知识抽取xa0xa0xa0xa0xa0xa0a.xa0xa0基于本体的知识抽取，包括NELL和DeepDive系统介绍xa0xa0xa0xa0xa0xa0b.xa0xa0开放知识抽取，包括TextRunner、Reverb和OLLIE等系统介绍xa0xa02.xa0xa0知识挖掘xa0xa0xa0xa0xa0xa0a.xa0xa0知识内容挖掘：实体消歧与链接xa0xa0xa0xa0xa0xa0b.xa0xa0知识结构挖掘：关联规则挖掘与社区发现xa0xa0xa0xa0xa0xa0c.xa0xa0知识表示学习与链接预测，包括TransE和PRA等算法介绍xa0xa0第五课：xa0xa0知识存储xa0xa01.xa0xa0基于关系数据库的存储设计，包括各种表设计和索引建立策略xa0xa02.xa0xa0基于RDF的图数据库介绍xa0xa0xa0xa0xa0xa0a.xa0xa0开源数据库介绍：ApacheJena、Sesame、gStore、RDF-3X等xa0xa0xa0xa0xa0xa0b.xa0xa0商业数据库介绍：Virtuoso、AllegroGraph、BlazeGraph等xa0xa03.xa0xa0原生图数据库介绍，包括Neo4j、OrientDB、Titan和Cayley等xa0xa04.xa0xa0实践展示：使用ApacheJena存储百科知识，并使用Fuseki构建图谱查询服务第六课：xa0xa0知识融合xa0xa01.xa0xa0知识融合任务定义和相关竞赛：本体对齐和实体匹配xa0xa02.xa0xa0本体对齐基本流程和常用方法xa0xa0xa0xa0xa0xa0a.xa0xa0基于Linguistic的匹配xa0xa0xa0xa0xa0xa0b.xa0xa0基于图结构的匹配xa0xa0xa0xa0xa0xa0c.xa0xa0基于外部知识库的匹配xa0xa03.xa0xa0实体匹配基本流程和常用方法xa0xa0xa0xa0xa0xa0a.xa0xa0基于分块的多阶段匹配xa0xa0xa0xa0xa0xa0b.xa0xa0基于规则（配置或通过学习）的实体匹配xa0xa04.xa0xa0知识融合工具介绍：包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVaultxa0xa05.xa0xa0实践展示：使用Falcon-AO融合百度百科与维基百科中的知识第七课：xa0xa0知识推理xa0xa01.xa0xa0本体知识推理简介与任务分类，包括概念可满足忄生、概念包含、实例分类和一致忄生检测等xa0xa02.xa0xa0本体推理方法与工具介绍xa0xa0xa0xa0xa0xa0a.xa0xa0基于Tableaux运算的方法：Fact++、Racer、Pellet和Hermit等xa0xa0xa0xa0xa0xa0b.xa0xa0基于一阶查询重写的方法：Ontology-basedDataAccess的Ontop等xa0xa0xa0xa0xa0xa0c.xa0xa0基于产生式规则的方法（如Rete)：Jena、Sesame和OWLIM等xa0xa0xa0xa0xa0xa0d.xa0xa0基于逻辑编程（如Datalog）改写的方法：KAON2和RDFox等xa0xa0xa0xa03.xa0xa0实践展示：使用Jena完成百科知识上的上下位推理、缺失类别补全和一致忄生检测等第八课：xa0xa0语义搜索xa0xa01.xa0xa0语义搜索概述，包括KnowledgeCard、RichSnippet、FacebookGraphSearch等xa0xa02.xa0xa0基于语义标注的网页搜索xa0xa0xa0xa0xa0xa0a.xa0xa0WebDataCommons项目介绍xa0xa0xa0xa0xa0xa0b.xa0xa0排序算法介绍，扩展BM25xa0xa03.xa0xa0基于图谱的知识搜索xa0xa0xa0xa0xa0xa0a.xa0xa0本体搜索（ontologylookup）xa0xa0xa0xa0xa0xa0b.xa0xa0探索式知识检索，包括查询构造、结果排序和分面（facets）推荐xa0xa04.xa0xa0知识可视化，包括本体、查询、结果等的展现方式和可视化分析xa0xa05.xa0xa0实践展示：使用ElasticSearch实现百科数据的语义搜索第九课：知识问答Ixa0xa01.xa0xa0知识问答概述和相关数据集（QALD和WebQuestions）xa0xa02.xa0xa0知识问答基本流程xa0xa03.xa0xa0知识问答主流方法介绍xa0xa0xa0xa0xa0xa0a.xa0xa0基于模板的方法，包括模板定义、模板生成和模板匹配等步骤xa0xa0xa0xa0xa0xa0b.xa0xa0基于语义解析的方法，包括资源映射，逻辑表达式候选生成与排序等xa0xa0xa0xa0xa0xa0c.xa0xa0基于深度学习的方法第十课：xa0xa0知识问答IIxa0xa01.xa0xa0IBMWatson问答系统及核心组件详细解读xa0xa0xa0xa0xa0xa0a.xa0xa0问句理解xa0xa0xa0xa0xa0xa0b.xa0xa0候选答案生成xa0xa0xa0xa0xa0xa0c.xa0xa0基于证据的答案排序xa0xa02.xa0xa0实践展示：面向百科知识的问答baseline实现第十一课：xa0xa0行业知识图谱应用xa0xa01.xa0xa0行业知识图谱特点xa0xa02.xa0xa0行业知识图谱应用，包括金融、医疗、数字图书馆等领域应用xa0xa03.xa0xa0行业知识图谱构建与应用的挑战xa0xa04.xa0xa0行业知识图谱生命周期定义和关键组件

游客，如果您要查看本帖隐藏内容请回复