登录 后使用快捷导航
没有帐号?立即注册

IT撸码课程网

用户名   找回密码
  立即注册
发新帖

知识图谱课程2018年新某象

[复制链接]
100 230 100
发表于2018-12-02 17:18:01 | 只看楼主 | 阅读模式
上一主题 下一主题
登录后查看本帖详细内容!您需要登录后才可以下载 登录 | 立即注册


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.  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。


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。


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



课程大纲:


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。


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


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


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   


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


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


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


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


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


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


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


image.png

游客,如果您要查看本帖隐藏内容请登录
IT撸码网 - 必读申明1、本站会员可发帖,本主题所有言论和图片纯属会员个人意见,与本论坛立场无关.
2、本站所有帖子由该帖子作者发表,该帖子作者享有帖子相关权益.
3、本帖内容来网友及会员分享和其它网络媒体.
4、如本帖侵犯到任何版权问题,请立即告知本站,本站将及时予与删除并致以最深的歉意!
5、若因内容问题IT撸码网管理员和版主有权不事先通知发贴者而删除本文.
6、本站课程仅供本站会员学习参考,不得传播及用于其他用途,学习完后请在24小时内自行删除.
7、本站资源质量虽均经精心审查,但也难保万无一失,若发现资源有问题影响学习请一定及时点此进行问题反馈,我们会积极为您解决问题!
8、若发现链接失效了点此进行链接失效反馈,我们会第一时间修复链接.

精彩评论0

您需要登录后才可以发帖查看详细内容! 登录 | 立即注册
*
 

本版积分规则

1063

主题

90

帖子

19

积分