知識圖譜Knowledge Graph構(gòu)建與應用研修

ssdandan

《新一代人工智能發(fā)展規(guī)劃》明確提出了“建立新一代人工智能關鍵共性技術體系”的重點任務，特別強調(diào)了要解決“研究跨媒體統(tǒng)一表征、關聯(lián)理解與知識挖掘、知識圖譜構(gòu)建與學習、知識演化與推理、智能描述與生成等技術，開發(fā)跨媒體分析推理引擎與驗證系統(tǒng)”的關鍵共性技術問題。
一、知識圖譜概論       
1.1知識圖譜的起源和歷史
1.2知識圖譜的發(fā)展史——從框架、本體論、語義網(wǎng)、鏈接數(shù)據(jù)到知識圖譜
1.3知識圖譜的本質(zhì)和價值
1.4知識圖譜VS傳統(tǒng)知識庫VS關系數(shù)據(jù)庫
1.5經(jīng)典的知識圖譜
1.5.1經(jīng)典的CYC, WordNnet, WikiData, DBpedia, YAGO, NELL等知識庫
1.5.2行業(yè)知識圖譜：
Google知識圖譜，微軟實體圖，阿里知識圖譜，醫(yī)學知識圖譜，基因知識圖譜等知識圖譜項目
二、知識圖譜應用       
2.1知識圖譜應用場景
2.2知識圖譜應用簡介
2.2.1知識圖譜在數(shù)字圖書館上的應用   
2.2.2知識圖譜在國防、情報、公安上的應用
2.2.3知識圖譜在金融上的應用         
2.2.4知識圖譜在電子商務中的應用
2.2.5知識圖譜在農(nóng)業(yè)、醫(yī)學、法律等領域的應用
2.2.6知識圖譜在制造行業(yè)的應用
2.2.7知識圖譜在大數(shù)據(jù)融合中的應用   
2.2.8知識圖譜在人機交互（智能問答）中的應用
三、知識表示與知識建模       
3.1知識表示概念
3.2 知識表示方法
a.語義網(wǎng)絡    b.產(chǎn)生式規(guī)則    c.框架系統(tǒng)    d.描述邏輯     e.本體 f.RDF和RDFS     g.OWL和OWL2 Fragments     h.SPARQL查詢語言     i.Json-LD、RDFa、HTML5 MicroData等新型知識表示
3.3典型知識庫項目的知識表示
3.4知識建模方法學
3.5知識表示和知識建模實踐
1.三國演義知識圖譜的表示和建模實踐案例
2.學術知識圖譜等
四、知識抽取與挖掘       
4.1知識抽取基本問題
a.實體識別 b.關系抽取 c.事件抽取
4.2數(shù)據(jù)采集和獲取
4.3面向結(jié)構(gòu)化數(shù)據(jù)的知識抽取
a.D2RQ     b.R2RML
4.4面向半結(jié)構(gòu)化數(shù)據(jù)的知識抽取
a.基于正則表達式的方法  b.基于包裝器的方法
4.5.面向非結(jié)構(gòu)化數(shù)據(jù)的知識抽取
a.實體識別技術（基于規(guī)則、機器學習、深度學習、半監(jiān)督學習、預訓練等方法）
b.關系抽取技術（基于模板、監(jiān)督、遠程監(jiān)督、深度學習等方法）
c.事件抽取技術（基于規(guī)則、深度學習、強化學習等方法）
4.6.知識挖掘
a.實體消歧b.實體鏈接c.類型推斷 d.知識表示學習
4.7知識抽取上機實踐
A.面向半結(jié)構(gòu)化數(shù)據(jù)的三國演義知識抽取
B.面向文本的三國演義知識抽取
C.人物關系抽取
五、知識融合       
5.1知識融合背景
5.2知識異構(gòu)原因分析
5.3知識融合解決方案分析
5.4.本體對齊基本流程和常用方法
a.基于文本的匹配 b.基于圖結(jié)構(gòu)的匹配 c.基于外部知識庫的匹配
e.不平衡本體匹配 d.跨語言本體匹配   f.弱信息本體匹配
5.5實體匹配基本流程和常用方法
  a.基于相似度的實例匹配   b.基于規(guī)則或推理的實體匹配
c.基于機器學習的實例匹配 d.大規(guī)模知識圖譜的實例匹配
(1)基于分塊的實例匹配
(2)無需分塊的實例匹配
(3)大規(guī)模實例匹配的分布式處理
5.6 知識融合上機實踐
1.百科知識融合  
2.OAEI知識融合任務
六、存儲與檢索       
6.1.知識圖譜的存儲與檢索概述
6.2.知識圖譜的存儲
a.基于表結(jié)構(gòu)的存儲        b.基于圖結(jié)構(gòu)的存儲
6.3.知識圖譜的檢索
a.關系數(shù)據(jù)庫查詢：SQL語言  b數(shù)據(jù)庫查詢：SPARQL語言   
6.4.上機實踐案例：利用GraphDB完成知識圖譜的存儲與檢索
七、知識推理       
7.1.知識圖譜中的推理技術概述
7.2.歸納推理：學習推理規(guī)則
a.歸納邏輯程設計b.關聯(lián)規(guī)則挖掘  c.路徑排序算法
上機實踐案例：利用AMIE+算法完成Freebase數(shù)據(jù)上的關聯(lián)規(guī)則挖掘
7.3.演繹推理：推理具體事實
a.馬爾可夫邏輯網(wǎng) b.概率軟邏輯
7.4.基于分布式表示的推理
a.TransE模型及其變種         b.RESCAL模型及其變種
c.（深度）神經(jīng)網(wǎng)絡模型介紹    d.表示學習模型訓練
7.5.上機實踐案例：利用分布式知識表示技術完成Freebase上的鏈接預測
八、語義搜索       
8.1.語義搜索概述
8.2.搜索關鍵技術
a.索引技術：倒排索引   
b.排序算法：BM25及其擴展
8.3.知識圖譜搜索
a.實體搜索
b.關聯(lián)搜索
8.4.知識可視化  a.摘要技術
8.5.上機實踐案例：SPARQL搜索
九、知識問答       
9.1.知識問答概述                       
9.2.知識問答基本流程
9.3.相關測試集：QALD、WebQuestions等
9.4.知識問答關鍵技術
a.基于模板的方法   
b.語義解析
c.基于深度學習的方法
9.5.上機實踐案例：DeepQA、TemplateQA
[img]![圖片.png]()[/img]

ssdandan

郭老師 a195---1112---2152（v）