課程具體內(nèi)容

1、附件 3課程具體內(nèi)容第一部分知識圖譜概述1.1知識圖譜基本概念1.2知識圖譜的歷史沿革1.3知識圖譜的特點1.4知識分類1.5典型知識圖譜第二部分知識圖譜構(gòu)建1 詞匯挖掘與實體挖掘1.1詞匯挖掘1.2同義詞、縮寫詞挖掘1.3實體識別1.4實體分類2 關(guān)系抽取2.1關(guān)系挖掘概述2.2基于 Pattern 的挖掘2.3基于傳統(tǒng)機器學(xué)習(xí)模型的關(guān)系抽取2.4基于深度學(xué)習(xí)的關(guān)系抽取2.5遠程監(jiān)督與關(guān)系獲取3 概念知識圖譜構(gòu)建3.1概念圖譜概述3.1.1常見的概念圖譜3.1.2概念圖譜的應(yīng)用3.2isA 關(guān)系抽取3.2.1YAGO ： Wikipedia 中構(gòu)建概念圖譜3.2.2Probase：英文語料上

2、 isA 關(guān)系抽取3.2.3CN-Probase：中文 isA 關(guān)系抽取3.3isA 關(guān)系補全3.3.1知識缺失的成因3.3.2基于 isA 傳遞性的圖譜補全3.3.3基于相似實體的圖譜補全3.4isA 關(guān)系糾錯3.4.1錯誤的成因3.4.2簡單的想法：知識的支持度3.4.3概念圖譜中的抽象層級沖突3.4.4在概念圖譜中進行消環(huán)4 百科圖譜構(gòu)建4.1百科圖譜概述4.1.1 基本概述4.1.2 構(gòu)建方法分類4.2基于單源的百科圖譜構(gòu)建4.2.1 半結(jié)構(gòu)化知識抽取4.2.2 本體構(gòu)建4.2.3 實體分類4.2.4 屬性 /關(guān)系填充4.2.5 知識圖譜更新4.3基于多源的百科圖譜構(gòu)建4.3.1 通用

3、本體構(gòu)建4.3.2 實體對齊4.3.3 屬性對齊4.3.4 屬性值融合5 眾包構(gòu)建5.1知識型眾包基本概念5.2知識型眾包的研究問題5.2.1 What（將什么交予眾包）5.2.2 Whom （將任務(wù)交予誰完成）5.2.3 How （如何完成眾包）5.3基于眾包的知識圖譜構(gòu)建與精化5.3.1 本體構(gòu)建階段的眾包介入5.3.2 知識圖譜精化階段的眾包介入5.4總結(jié)6 質(zhì)量控制6.1知識圖譜質(zhì)量評估與控制概述6.1.1 知識圖譜質(zhì)量的評估維度6.1.2 知識圖譜質(zhì)量的評估方法6.1.3 知識圖譜質(zhì)量控制的研究問題6.2知識圖譜構(gòu)建中的質(zhì)量控制6.2.1 知識來源的可信度評估6.2.2 知識獲取方法

4、的可信度評估6.2.3 語義漂移問題的處理技術(shù)6.3知識圖譜中的缺失知識補全6.3.1 關(guān)系數(shù)據(jù)庫中可計量數(shù)據(jù)的補全6.3.2 關(guān)系數(shù)據(jù)庫中不可計量數(shù)據(jù)補全6.3.3 知識圖譜中缺失實體的補全6.3.4 知識圖譜中缺失關(guān)系的填補6.4知識圖譜中的知識統(tǒng)一與修正6.4.1 關(guān)系數(shù)據(jù)庫知識統(tǒng)一與修正技術(shù)6.4.2 知識圖譜的知識統(tǒng)一與修正技術(shù)第三部分知識圖譜管理1 建模與存儲1.1概述1.2圖論基礎(chǔ)1.3知識圖譜的邏輯表示1.4知識圖譜的物理存儲1.5總結(jié)2查詢與檢索3.6總結(jié)2.1知識圖譜上查詢概述第五部分實踐與問題2.2查詢語言： SPARQL2.3子結(jié)構(gòu)查詢1知識圖譜圖工具與應(yīng)用2.4關(guān)鍵字

5、查詢1.1知識建模工具 Prot g3知識圖譜管理系統(tǒng)1.1.1 本體編輯器3.1圖系統(tǒng)與知識圖譜1.1.2 圖形化界面3.1.1為什么需要圖系統(tǒng)1.2關(guān)系數(shù)據(jù)轉(zhuǎn)換工具 D2RQ3.2知識圖譜對圖系統(tǒng)提出怎樣的需求1.2.1D2RQ Server3.2.2圖系統(tǒng)基本架構(gòu)1.2.2D2RQ Engine3.3典型圖系統(tǒng)1.2.3D2RQ Mapping3.3.1選擇因素1.3圖譜可視化3.3.2系統(tǒng)對比1.3.1數(shù)據(jù)形態(tài)1.3.2圖譜布局1.3.3圖譜視覺表達第四部分知識圖譜應(yīng)用1.3.4圖譜交互1.3.5圖譜統(tǒng)計1基于知識圖譜的語言理解1.3.6Neo4J1.1概述1.4圖譜分析工具1.2實體

6、理解1.4.1Spatk-GraphX1.2.1實體識別1.4.2Gephi1.2.2實體鏈接1.4.3Python-igraph1.3概念理解1.5林業(yè)經(jīng)營知識圖譜1.4屬性理解1.5.1數(shù)據(jù)來源1.5主題理解1.5.2分詞與實體識別2基于知識圖譜的搜索與推薦1.5.3實體關(guān)系識別2.1基于知識圖譜的搜索1.5.4本體構(gòu)建2.1.1意圖理解1.5.5知識圖譜可視化2.1.2實體搜索1.5.6知識圖譜圖譜分析2.1.3實體探索2 知識圖譜落地與實踐2.2傳統(tǒng)推薦系統(tǒng)的局限與挑戰(zhàn)2.1什么是領(lǐng)域知識圖譜DKG2.3基于知識圖譜的物品畫像2.2 領(lǐng)域知識圖譜與通用/開放領(lǐng)域知2.3.1知識融合畫像

7、的傳統(tǒng)模型識圖譜的關(guān)系是什么2.3.2知識融合畫像的深度學(xué)習(xí)模型2.3為何需要符號化表示的知識圖譜2.4基于知識圖譜的用戶畫像2.4為什么需要領(lǐng)域知識圖譜2.4.1綜合歷史物品特征的用戶畫像2.5領(lǐng)域知識圖譜系統(tǒng)的生命周期2.4.2基于概念化標簽的用戶畫像2.6領(lǐng)域知識圖譜的知識如何表示2.5基于知識圖譜的跨領(lǐng)域推薦2.7領(lǐng)域知識圖譜如何構(gòu)建3 基于知識圖譜的問答2.8領(lǐng)域知識圖譜的評價標準3.1知識問答概述2.9領(lǐng)域知識圖譜如何存儲3.2經(jīng)典方法：基于規(guī)則的知識問答2.10領(lǐng)域知識圖譜如何查詢3.3基于深度學(xué)習(xí)的知識問答2.11領(lǐng)域知識圖譜如何使用3.4基于語義模板學(xué)習(xí)的知識問答2.12領(lǐng)域

8、知識圖譜落地的最佳實踐3.5混合問答及知識問答最新趨勢2.13領(lǐng)域知識圖譜還存在哪些挑戰(zhàn)3 知識圖譜中的開放問題3.1知識表示3.1.1隱形知識的表達3.1.2知識圖譜語義表達能力的增強3.2知識獲取3.2.1大規(guī)模常識獲取與理解3.2.2樣本稀疏環(huán)境下的領(lǐng)域知識獲取3.2.3端到端的知識獲取3.2.4知識獲取中的人機協(xié)作3.3應(yīng)用3.3.1知識圖譜與可解釋人工智能3.3.2符號知識與神經(jīng)網(wǎng)絡(luò)的融合3.3.3知識引導(dǎo)下的機器學(xué)習(xí)3.3.4知識引導(dǎo)下的機器語言認知3.3.5知識引導(dǎo)下的搜索與推薦“知識圖譜概念與技術(shù)”前期培訓(xùn)學(xué)員評價節(jié)選“課程內(nèi)容設(shè)計覆蓋面比較全，講解比較透徹”“課程體系比較全面，獲得信息量大”“內(nèi)容邏輯很清楚，也很清晰，節(jié)奏也很合適，感謝老師的講解”“肖老師對整個體系的梳理以及對應(yīng)用工作的思考，極具參