2018最新知识图谱教程 行业知识图谱 知识图谱技术架构(视频+源码+课件)

作者: admin 分类: 完整项目实战大全 发布时间: 2018-07-05 01:25

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。

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

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