2019最新知识图谱实战开发教程 知识图谱实战案例完全剖析 知识图谱完整项目实战 共四个系列(视频+源码+数据集)

作者: admin 分类: 完整项目实战大全 发布时间: 2019-05-28 08:10

系列一:知识图谱完整项目实战(附源码)

章节1:基础理论篇
课时1完整项目案例运行演示21:18
课时2项目开发环境安装部署12:13
课时3项目业务需求分析07:49
课时4项目总体架构设计25:07
章节2:模型设计篇
课时5知识图谱模型设计方法论15:44
课时6知识图谱语义类型设计15:24
课时7知识图谱语义关系设计08:52
章节3:知识获取篇
课时8开发环境安装部署11:55
课时9汽车品牌数据获取10:36
课时10汽车车系数据获取11:49
课时11汽车数据批量导入14:53
课时12汽车车型数据获取09:28
课时13汽车配置数据获取14:08
章节4:程序设计篇
课时14web前端框架设计20:43
课时15通用命名实体识别11:20
课时16领域命名实体识别08:07
课时17实体查询程序设计10:19
课时18关系查询程序设计10:00
课时19知识图谱数据可视化09:43
章节5:知识图谱应用
课时20推荐系统基本原理和实现机制20:22
课时21知识图谱与推荐系统融合的模式11:46
课时22基于KGE的开源推荐系统框架13:38
课时23RippleNet开源框架源码剖析

系列二:知识图谱实战案例完全剖析(附完整源码和数据集)
第1章:知识图谱基础
1.知识图谱完整案例演示 16:34
2.知识图谱和人工智能 21:26
3.知识图谱典型应用 10:46
4.知识图谱系统架构 12:06
第2章:知识图谱设计
1.知识设计方法 20:10
2.语义类型设计 18:42
3.语义关系设计 13:09
4.本体对象设计 12:21
第3章:知识图谱存储
1.知识存储模型 18:12
2.图数据库选型 15:03
3.Neo4j开发环境部署 13:53
4.Neo4j-可视化操作基础 15:04
5.Neo4j-CQL语法基础 18:24
6.Neo4j-完整案例操作实战 11:52
7.Neo4j系统管理 20:55
第4章:知识图谱应用
1.自己动手开发第一个智能聊天机器人 7:10
2.人工智能标记语言AIML基础 10:49
3.Python与Neo4j的集成 16:13
4.AIMl与Neo4j的集成 11:48
第5章:知识图谱获取
1.常用知识获取方法 13:00
2.国内外可用知识图谱资源 14:44
3.如何系统学习知识图谱1 9:59
4.如何系统学习知识图谱2 10:37
5.如何系统学习知识图谱3 23:11

系列三:知识图谱全解析

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

系列四:2019张老师教你完完全全学习知识图谱

第1章知识图谱基础1小时4节
1-1知识图谱完整案例演示[免费试看]16:34
1-2知识图谱的典型应用10:47
1-3知识图谱与人工智能[免费试看]21:26
1-4知识图谱的系统架构12:06
第2章知识图谱设计1小时4分钟4节
2-1知识设计方法[免费试看]20:10
2-2语义类型设计[免费试看]18:42
2-3语义关系设计[免费试看]13:09
2-4本体对象设计12:21
第3章知识图谱存储1小时53分钟7节
3-1知识存储模型18:13
3-2知识存储系统选型15:03
3-3Noe4j可视化操作基础15:04
3-4CQL操作基础18:24
3-5Neo4j-完整案例演示11:52
3-6Neo4j数据库系统管理20:55
3-7Neo4j开发环境安装部署13:53
第4章知识图谱应用46分钟4节
4-1第一个智能对话程序07:11
4-2人工智能标记语言AIML10:50
4-3python和Neo4j的集成16:13
4-4Neo4j和AIML的集成11:48
第5章知识图谱获取27分钟2节
5-1常用知识图谱资源获取方法[免费试看]13:00
5-2国内外常用知识图谱资源14:44

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!

更多阅读