人工智能-知識圖譜核心培訓(xùn)大綱
第一節(jié)
知識圖譜概述
1.1什么是知識圖譜
1.2知識圖譜的發(fā)展歷史
1.3國內(nèi)外典型的知識圖譜項(xiàng)目簡介
1.4知識圖諳的相關(guān)技術(shù)簡介
1.5典型應(yīng)用案例
第二節(jié)
知識表示與建模
2.1什么是知識表示
2.2早期知識表示方法
2.2.1邏輯
2.2.2產(chǎn)生式規(guī)則
2.2.3框架
2.2.4語義網(wǎng)絡(luò)
2.3基于語義網(wǎng)知識表示框架
2.3.1 RDF 和 RDFS
2.3.2 OWL和OWL2 Fragments
2.3.3 SPARQL查詢語言
2.3.4Json-LD、RDFa, HTML5 MicroData等新型知識表示
2.4典型知識庫項(xiàng)目的知識表示
2.4.1 DBPedia
2.4.2 Freebase
2.4.3 WikiData
2.4.4 ConceptNel
2.5知識圖諾設(shè)計(jì)
2.5.1知識設(shè)計(jì)方法
2.5.2語義類型設(shè)計(jì)
2.5.3語義關(guān)系設(shè)計(jì)
2.5.4本體對象設(shè)計(jì)
2.6開源工具實(shí)踐:基于Protege的本體知識建模
第三節(jié)
知識抽取與知識挖掘
3.1知識抽取任務(wù)及相關(guān)競費(fèi)
3.1.1實(shí)體抽取
3.1.2關(guān)系抽取
3.1.3事件抽取
3.2面向結(jié)構(gòu)化數(shù)據(jù)的知識抽取及其相關(guān)工具
3.3面向半結(jié)構(gòu)化數(shù)據(jù)的知識抽取及其相關(guān)工具
3.4知識挖掘
3.4.1實(shí)體消歧與鏈接
3.4.2知識規(guī)則挖掘
3.4.3知識圖譜表示學(xué)習(xí)
3.5開源工貝實(shí)踐:基于DupDivc的關(guān)系抽取實(shí)踐
第四節(jié)
知識存儲
4.1圖數(shù)據(jù)庫基本知識
4.2常見的圖數(shù)據(jù)庫
4.2.1開源數(shù)據(jù)庫介紹
4.2.2商業(yè)數(shù)據(jù)庫介紹
4.2.3原生圖數(shù)據(jù)庫介紹
4.3圖數(shù)據(jù)庫實(shí)現(xiàn)細(xì)節(jié)
4.4開源工具實(shí)踐
4.4.1以Apache Jena為例
4.4.2 Neo4j可視化操作基礎(chǔ)
第五節(jié)
知識融合
5.1什么是知識融合
5.2知識融合的基本技術(shù)流程
5.3典型知識融合工具簡介
5.3.1框架匹配
5.3.2實(shí)體對齊
5.4典型案例簡介
5.4.1 Zhishi.me中的實(shí)體融合
5.4.2 OpenKCi的鏈接百科
5.5開源工具實(shí)踐:實(shí)體關(guān)系發(fā)現(xiàn)框架LIMBSR
第六節(jié)
知識推理
6.1推理概述
6.2本體知識推理簡介與任務(wù)分類
6.3本體推理方法與工具介紹
6.3.1基于Tableaux運(yùn)算的方法
6.3.2基于邏輯編程改寫的方法
6.3.3基于一階查詢重寫的方法
6.3.4基于產(chǎn)生式規(guī)則的方法
6.3.5基于井行技術(shù)的方法
6.4開源工具實(shí)踐:基于ha和Drods的知識推理實(shí)踐
第七節(jié)
語義搜索
7.1語義搜索簡介
7.2語義數(shù)據(jù)搜索
7.3混合搜索
7.4語義搜索的交互范式
7.5實(shí)踐展示:使用Elasticsearch實(shí)現(xiàn)簡單語義數(shù)據(jù)檢索
第八節(jié)
知識問答
8.1知識問答技術(shù)槪述
8.2知識問答系統(tǒng)簡史
8.3知識問答的評測數(shù)握集
8.4 KBQA基本概念及挑戰(zhàn)
8.5知識問答主流方法介紹 |