收起左侧

[人工智能] 知识图谱课程2018年新某象

111
回复
5900
查看
  [复制链接]
  • TA的每日心情
    擦汗
    2020-8-26 13:53
  • 签到天数: 3 天

    [LV.2]小吧熟人

    发表于 2018-7-5 00:46:00 | 显示全部楼层 |阅读模式

    登录后查看本帖详细内容!

    您需要 登录 才可以下载或查看,没有帐号?立即注册

    x
    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 C0 ^7 N9 i2 C/ J5 T0 x8 c
    1.  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.   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、知识融合等系统性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.  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。

    " q) \; B; |: g( p
    面向人群:
    1.  希望学习知识图谱的学生;
    2.  希望了解知识图谱实战技术的IT从业人员;
    3.  未来希望成为知识图谱工程师的求职者;
    4.  想在知识图谱方向进行深入研究者。

    3 b* f3 x) \( J% {0 B+ R4 n# Z# m8 @
    学习收益:
    7 {/ z) ^. a$ ~1 e) N
    通过本课程的学习,学员将会收获:

    . I  {# Z" k* U- o1 W6 G" Q* z  m
    1. 帮助学员系统性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IBM Watson系统实现原理的讲解与指导
    ( Q- b$ A4 c0 k0 Z

    % N/ ~! u* X, p$ ]3 p$ o" {2 [: X+ ^# G, A1 ~* i% Z" M) c5 [2 t
    课程大纲:

    4 d* I; u; Y+ t) Q) s+ U
    第一课:  知识图谱概论         
        1.  知识图谱的起源和历史
        2.  典型知识库项目简介
        3.  知识图谱应用简介
        4.  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。

    ( [+ n6 I. A8 B: B5 O, P
    第二课:  知识表示与知识建模         
        1.  早期知识表示简介
        2.  基于语义网的知识表示框架
             a.  RDF和RDFS
             b.  OWL和OWL2 Fragments
             c.  SPARQL查询语言
             d.  Json-LD、RDFa、HTML5 MicroData等新型知识表示
        3.   典型知识库项目的知识表示
        4.   基于本体工具(Protege)的知识建模最佳实践

    % ~$ A5 l% w/ ?. b" E
    第三课:  知识抽取与挖掘I
        1.  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
        2.  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
        3.  面向半结构化数据(Web tables, 百科站点等)的知识抽取
             a.  基于正则表达式的方法
             b.  Bootstrapping和Wrapper Induction介绍
        4.  实践展示:基于百科数据的知识抽取
    " s; _7 L- Z  V& c3 [7 V
    第四课:  知识抽取与挖掘II
        1.  面向非结构化数据(文本)的知识抽取
             a.  基于本体的知识抽取,包括NELL和DeepDive系统介绍
             b.  开放知识抽取,包括TextRunner、Reverb和OLLIE等系统介绍
        2.  知识挖掘
             a.  知识内容挖掘:实体消歧与链接
             b.  知识结构挖掘:关联规则挖掘与社区发现
             c.  知识表示学习与链接预测,包括TransE和PRA等算法介绍   
    / g7 ^* ~( W: B3 u
    第五课:  知识存储
        1.  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
        2.  基于RDF的图数据库介绍
             a.  开源数据库介绍:Apache Jena、Sesame、gStore、RDF-3X等
             b.  商业数据库介绍:Virtuoso、AllegroGraph、BlazeGraph等
        3.   原生图数据库介绍,包括Neo4j、OrientDB、Titan和Cayley等
        4.  实践展示:使用Apache Jena存储百科知识,并使用Fuseki构建图谱查询服务

    1 h7 |8 K0 Q! t
    第六课:  知识融合
        1.  知识融合任务定义和相关竞赛:本体对齐和实体匹配
        2.  本体对齐基本流程和常用方法
             a.  基于Linguistic的匹配
             b.  基于图结构的匹配
             c.  基于外部知识库的匹配
        3.  实体匹配基本流程和常用方法
             a.  基于分块的多阶段匹配
             b.  基于规则(配置或通过学习)的实体匹配
        4.  知识融合工具介绍:包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault
        5.  实践展示:使用Falcon-AO融合百度百科与维基百科中的知识

    ! h8 V3 m9 j6 K3 p# Y5 I: M4 A
    第七课:  知识推理
        1.  本体知识推理简介与任务分类,包括概念可满足性、概念包含、实例分类和一致性检测等
        2.  本体推理方法与工具介绍
             a.  基于Tableaux运算的方法:Fact++、Racer、Pellet和Hermit等
             b.  基于一阶查询重写的方法:Ontology-based Data Access的Ontop等
             c.  基于产生式规则的方法(如Rete):Jena、Sesame和OWLIM等
             d.  基于逻辑编程(如Datalog)改写的方法:KAON2和RDFox等
         3.  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性检测等
    ; J5 {7 J6 c1 M) q3 B* @
    第八课:  语义搜索
       1.  语义搜索概述,包括Knowledge Card、Rich Snippet、Facebook Graph Search等
       2.  基于语义标注的网页搜索
             a.  Web Data Commons项目介绍
             b.  排序算法介绍,扩展BM25
       3.  基于图谱的知识搜索
             a.  本体搜索(ontology lookup)
             b.  探索式知识检索,包括查询构造、结果排序和分面(facets)推荐
       4.  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
       5.  实践展示:使用ElasticSearch实现百科数据的语义搜索
    6 Z: N4 n' Y1 ?  H4 `9 U
    第九课: 知识问答I
        1.  知识问答概述和相关数据集(QALD和WebQuestions)
        2.  知识问答基本流程
        3.  知识问答主流方法介绍
             a.  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
             b.  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
             c.  基于深度学习的方法

    5 p& O  L$ ~- X
    第十课:  知识问答II
        1.  IBM Watson问答系统及核心组件详细解读
             a.  问句理解
             b.  候选答案生成
             c.  基于证据的答案排序
        2.  实践展示:面向百科知识的问答baseline实现

    0 V& U. [! H- [4 S0 v8 l! Z
    第十一课:  行业知识图谱应用
        1.  行业知识图谱特点
        2.  行业知识图谱应用,包括金融、医疗、数字图书馆等领域应用
        3.  行业知识图谱构建与应用的挑战
        4.  行业知识图谱生命周期定义和关键组件
    ; M) i4 p9 J3 h+ I+ N1 o# t8 t$ V2 ~
    下载地址:2018
    游客,如果您要查看本帖隐藏内容请回复
  • TA的每日心情

    昨天 14:29
  • 签到天数: 392 天

    [LV.9]铁杆吧粉

    发表于 2018-7-5 08:59:39 | 显示全部楼层
    可以的
    回复

    使用道具 举报

  • TA的每日心情

    3 天前
  • 签到天数: 277 天

    [LV.8]狂热吧粉

    发表于 2018-7-5 09:13:33 | 显示全部楼层
    感谢分享
    回复

    使用道具 举报

  • TA的每日心情

    2020-4-26 07:54
  • 签到天数: 90 天

    [LV.6]普通吧粉

    发表于 2018-7-5 11:36:53 | 显示全部楼层
    为了未来美一点,现在必须苦一点。低头不算认输,放弃才是懦夫。
    回复

    使用道具 举报

  • TA的每日心情
    慵懒
    7 小时前
  • 签到天数: 600 天

    [LV.9]铁杆吧粉

    发表于 2018-7-5 12:18:16 | 显示全部楼层
    多谢分享......
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    前天 22:30
  • 签到天数: 289 天

    [LV.8]狂热吧粉

    发表于 2018-7-5 15:49:56 | 显示全部楼层
    《知识图谱》课程2018年新小像学院
    回复

    使用道具 举报

  • TA的每日心情
    开心
    2020-9-13 20:59
  • 签到天数: 475 天

    [LV.9]铁杆吧粉

    发表于 2018-7-5 20:18:17 | 显示全部楼层
    dsdsfs
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    12 小时前
  • 签到天数: 714 天

    [LV.9]铁杆吧粉

    发表于 2018-7-5 21:37:02 | 显示全部楼层
    arer
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    2020-7-29 15:35
  • 签到天数: 95 天

    [LV.6]普通吧粉

    发表于 2018-7-5 22:25:27 | 显示全部楼层
    have a look
    回复

    使用道具 举报

  • TA的每日心情
    开心
    昨天 09:03
  • 签到天数: 255 天

    [LV.8]狂热吧粉

    发表于 2018-10-26 10:15:51 | 显示全部楼层
    谢谢分享,不错的资料,给楼主点赞
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则