立即參團
原價￥899.00
50人以上 ￥499.00
100人以上 ￥399.00
《知識圖譜》第一期
課程簡介：
本次的知識圖譜課程主要包括三大部分：
1）知識圖譜的工程方法論。指導(dǎo)學(xué)員了解并掌握知識圖譜的基本概念和發(fā)展歷史，梳理清知識圖譜的技術(shù)體系，掌握知識圖譜的核心技術(shù)原理，建立知識圖譜工程的方法論思維。
2）知識圖譜的實戰(zhàn)技術(shù)。從實戰(zhàn)出發(fā)，圍繞知識表示、知識抽取、語義搜索、知識問答、知識推理、知識融合等系統(tǒng)性介紹知識圖譜相關(guān)的實戰(zhàn)技術(shù)，使得學(xué)員具備研發(fā)知識圖譜相關(guān)應(yīng)用的基礎(chǔ)能力。
3）知識圖譜的典型應(yīng)用。結(jié)合醫(yī)療、金融、電商等實際應(yīng)用場景，介紹知識圖譜各個技術(shù)點的實際應(yīng)用落地方式，使得學(xué)員具備結(jié)合自身背景開展知識圖譜技術(shù)實踐的應(yīng)用能力。
主講老師：
王昊奮著名知識圖譜專家
博士畢業(yè)于上海交通大學(xué)，CCF術(shù)語專委會執(zhí)委，中文信息學(xué)會語言與知識計算委員會副秘書長，共發(fā)表75余篇高水平論文。中文知識圖譜zhishi.me創(chuàng)始人，OpenKG聯(lián)盟發(fā)起人之一，其帶隊構(gòu)建的語義搜索系統(tǒng)在Billion Triple Challenge中榮獲全球第2名；在著名的本體匹配競賽OAEI的實體匹配任務(wù)中斬獲得全球第1名。曾主持并參與多項國家自然科學(xué)基金、863重大專項和國家科技支撐項目，以學(xué)術(shù)負責人身份參與Paypal、Google、Intel、IBM、百度等企業(yè)的合作項目。
開課時間：2017年10月24日
學(xué)習方式：
在線直播，共11次
每周2次（周二、四晚上20:00-22:00）
直播后提供錄制回放視頻，在線反復(fù)觀看，有效期1年
課程大綱
第一課： 知識圖譜概論
1. 知識圖譜的起源和歷史
2. 典型知識庫項目簡介
3. 知識圖譜應(yīng)用簡介
4. 本次課程覆蓋的主要范圍：知識表示與建模、知識抽取與挖掘、知識存儲、知識融合、知識推理、語義搜索、知識問答和行業(yè)知識圖譜應(yīng)用剖析等內(nèi)容。
第二課： 知識表示與知識建模
1. 早期知識表示簡介
2. 基于語義網(wǎng)的知識表示框架
a. RDF和RDFS
b. OWL和OWL2 Fragments
c. SPARQL查詢語言
d. Json-LD、RDFa、HTML5 MicroData等新型知識表示
3. 典型知識庫項目的知識表示
4. 基于本體工具（Protege）的知識建模最佳實踐
第三課： 知識抽取與挖掘I
1. 知識抽取任務(wù)定義和相關(guān)比賽：實體識別、關(guān)系抽取和事件抽取
2. 面向結(jié)構(gòu)化數(shù)據(jù)（關(guān)系數(shù)據(jù)庫）的知識抽取，包括D2RQ和R2RML等轉(zhuǎn)換與映射規(guī)范與技術(shù)介紹
3. 面向半結(jié)構(gòu)化數(shù)據(jù)（Web tables, 百科站點等）的知識抽取
a. 基于正則表達式的方法
b. Bootstrapping和Wrapper Induction介紹
4. 實踐展示：基于百科數(shù)據(jù)的知識抽取
第四課： 知識抽取與挖掘II
1. 面向非結(jié)構(gòu)化數(shù)據(jù)（文本）的知識抽取
a. 基于本體的知識抽取，包括NELL和DeepDive系統(tǒng)介紹
b. 開放知識抽取，包括TextRunner、Reverb和OLLIE等系統(tǒng)介紹
2. 知識挖掘
a. 知識內(nèi)容挖掘：實體消歧與鏈接
b. 知識結(jié)構(gòu)挖掘：關(guān)聯(lián)規(guī)則挖掘與社區(qū)發(fā)現(xiàn)
c. 知識表示學(xué)習與鏈接預(yù)測，包括TransE和PRA等算法介紹
第五課： 知識存儲
1. 基于關(guān)系數(shù)據(jù)庫的存儲設(shè)計，包括各種表設(shè)計和索引建立策略
2. 基于RDF的圖數(shù)據(jù)庫介紹
a. 開源數(shù)據(jù)庫介紹：Apache Jena、Sesame、gStore、RDF-3X等
b. 商業(yè)數(shù)據(jù)庫介紹：Virtuoso、AllegroGraph、BlazeGraph等
3. 原生圖數(shù)據(jù)庫介紹，包括Neo4j、OrientDB、Titan和Cayley等
4. 實踐展示：使用Apache Jena存儲百科知識，并使用Fuseki構(gòu)建圖譜查詢服務(wù)
第六課： 知識融合
1. 知識融合任務(wù)定義和相關(guān)競賽：本體對齊和實體匹配
2. 本體對齊基本流程和常用方法
a. 基于Linguistic的匹配
b. 基于圖結(jié)構(gòu)的匹配
c. 基于外部知識庫的匹配
3. 實體匹配基本流程和常用方法
a. 基于分塊的多階段匹配
b. 基于規(guī)則（配置或通過學(xué)習）的實體匹配
4. 知識融合工具介紹：包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault
5. 實踐展示：使用Falcon-AO融合百度百科與維基百科中的知識
第七課： 知識推理
1. 本體知識推理簡介與任務(wù)分類，包括概念可滿足性、概念包含、實例分類和一致性檢測等
2. 本體推理方法與工具介紹
a. 基于Tableaux運算的方法：Fact++、Racer、Pellet和Hermit等
b. 基于一階查詢重寫的方法：Ontology-based Data Access的Ontop等
c. 基于產(chǎn)生式規(guī)則的方法（如Rete)：Jena、Sesame和OWLIM等
d. 基于邏輯編程（如Datalog）改寫的方法：KAON2和RDFox等
3. 實踐展示：使用Jena完成百科知識上的上下位推理、缺失類別補全和一致性檢測等
第八課： 語義搜索
1. 語義搜索概述，包括Knowledge Card、Rich Snippet、Facebook Graph Search等
2. 基于語義標注的網(wǎng)頁搜索
a. Web Data Commons項目介紹
b. 排序算法介紹，擴展BM25
3. 基于圖譜的知識搜索
a. 本體搜索（ontology lookup）
b. 探索式知識檢索，包括查詢構(gòu)造、結(jié)果排序和分面（facets）推薦
4. 知識可視化，包括本體、查詢、結(jié)果等的展現(xiàn)方式和可視化分析
5. 實踐展示：使用ElasticSearch實現(xiàn)百科數(shù)據(jù)的語義搜索
第九課： 知識問答I
1. 知識問答概述和相關(guān)數(shù)據(jù)集（QALD和WebQuestions）
2. 知識問答基本流程
3. 知識問答主流方法介紹
a. 基于模板的方法，包括模板定義、模板生成和模板匹配等步驟
b. 基于語義解析的方法，包括資源映射，邏輯表達式候選生成與排序等
c. 基于深度學(xué)習的方法
第十課： 知識問答II
1. IBM Watson問答系統(tǒng)及核心組件詳細解讀
a. 問句理解
b. 候選答案生成
c. 基于證據(jù)的答案排序
2. 實踐展示：面向百科知識的問答baseline實現(xiàn)
第十一課： 行業(yè)知識圖譜應(yīng)用
1. 行業(yè)知識圖譜特點
2. 行業(yè)知識圖譜應(yīng)用，包括金融、醫(yī)療、數(shù)字圖書館等領(lǐng)域應(yīng)用
3. 行業(yè)知識圖譜構(gòu)建與應(yīng)用的挑戰(zhàn)
4. 行業(yè)知識圖譜生命周期定義和關(guān)鍵組件
常見問題：
Q：參加本門課程有什么要求？
A： 有一定Python編程能力，有基本大學(xué)數(shù)學(xué)基礎(chǔ)。
Q： 有課外學(xué)習資料嗎？
A： 有，老師會根據(jù)情況提供講義，并給出進階學(xué)習資源與項目的建議。
參團！咨詢！查看課程！
就點這里！
評論列表