?

• 幫助學(xué)員系統(tǒng)性的掌握知識圖譜的核心技術(shù)原理，結(jié)合近期研究成果，學(xué)習(xí)從基本概念到各個先進(jìn)算法和技術(shù)的轉(zhuǎn)化思路
• 了解國內(nèi)外典型的開源知識庫數(shù)據(jù)及技術(shù)資源
• 實踐與理論結(jié)合，培養(yǎng)學(xué)員面對工程及學(xué)術(shù)問題的思考解決能力
• 基于百科知識進(jìn)行各項核心技術(shù)的實例訓(xùn)練，并結(jié)合醫(yī)療、金融、電商等行業(yè)應(yīng)用幫助學(xué)員快速積累知識圖譜工程項目經(jīng)驗
• 對有志于從事知識問答工作或?qū)W術(shù)研究的學(xué)員，提供IBM Watson系統(tǒng)實現(xiàn)原理的講解與指導(dǎo)
• ?

• 模塊1：知識圖譜概論	1. 知識圖譜的起源和歷史 2. 典型知識庫項目簡介 3. 知識圖譜應(yīng)用簡介 4. 本課程覆蓋的主要范圍：知識表示與建模、知識抽取與挖掘、知識存儲、知識融合、知識推理、語義搜索、知識問答和行業(yè)知識圖譜應(yīng)用剖析等內(nèi)容。
  模塊2：知識表示與知識建模	1. 早期知識表示簡介 2. 基于語義網(wǎng)的知識表示框架 RDF和RDFS OWL和OWL2 Fragments SPARQL查詢語言 Json-LD、RDFa、HTML5 MicroData等新型知識表示 3. 典型知識庫項目的知識表示 4. 基于本體工具（Protege）的知識建模最佳實踐
  模塊3：知識抽取與挖掘I	1. 知識抽取任務(wù)定義和相關(guān)比賽：實體識別、關(guān)系抽取和事件抽取 2. 面向結(jié)構(gòu)化數(shù)據(jù)（關(guān)系數(shù)據(jù)庫）的知識抽取，包括D2RQ和R2RML等轉(zhuǎn)換與映射規(guī)范與技術(shù)介紹 3. 面向半結(jié)構(gòu)化數(shù)據(jù)（Web tables, 百科站點等）的知識抽取 基于正則表達(dá)式的方法 Bootstrapping和Wrapper Induction介紹 4. 實踐展示：基于百科數(shù)據(jù)的知識抽取 ?
  模塊4：知識抽取與挖掘II	1. 面向非結(jié)構(gòu)化數(shù)據(jù)（文本）的知識抽取 a. 基于本體的知識抽取，包括NELL和DeepDive系統(tǒng)介紹 b. 開放知識抽取，包括TextRunner、Reverb和OLLIE等系統(tǒng)介紹 2. 知識挖掘 知識內(nèi)容挖掘：實體消歧與鏈接 知識結(jié)構(gòu)挖掘：關(guān)聯(lián)規(guī)則挖掘與社區(qū)發(fā)現(xiàn) 知識表示學(xué)習(xí)與鏈接預(yù)測，包括TransE和PRA等算法介紹
  模塊5：知識存儲	1. 基于關(guān)系數(shù)據(jù)庫的存儲設(shè)計，包括各種表設(shè)計和索引建立策略 2. 基于RDF的圖數(shù)據(jù)庫介紹 開源數(shù)據(jù)庫：Apache Jena、Sesame、gStore、RDF-3X等 商業(yè)數(shù)據(jù)庫：Virtuoso、AllegroGraph、BlazeGraph等 3. 原生圖數(shù)據(jù)庫介紹，包括Neo4j、OrientDB、Titan和Cayley等 4. 實踐展示：使用Apache Jena存儲百科知識，并使用Fuseki構(gòu)建圖譜查詢服務(wù)
  模塊6：知識融合	1. 知識融合任務(wù)定義和相關(guān)競賽：本體對齊和實體匹配 2. 本體對齊基本流程和常用方法 基于Linguistic的匹配 基于圖結(jié)構(gòu)的匹配 基于外部知識庫的匹配 3. 實體匹配基本流程和常用方法 基于分塊的多階段匹配 基于規(guī)則（配置或通過學(xué)習(xí)）的實體匹配 4. 知識融合工具介紹：包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault 5. 實踐展示：使用Falcon-AO融合百度百科與維基百科中的知識
  模塊7：知識推理	1. 本體知識推理簡介與任務(wù)分類，包括概念可滿足性、概念包含、實例分類和一致性檢測等 2. 本體推理方法與工具介紹 基于Tableaux運算的方法：Fact++、Racer、Pellet和Hermit等 基于一階查詢重寫的方法：Ontology-based Data Access的Ontop等 基于產(chǎn)生式規(guī)則的方法（如Rete)：Jena、Sesame和OWLIM等 基于邏輯編程（如Datalog）改寫的方法：KAON2和RDFox等 3. 實踐展示：使用Jena完成百科知識上的上下位推理、缺失類別補(bǔ)全和一致性檢測等
  模塊8：語義搜索	1.語義搜索概述，包括Knowledge Card、Rich Snippet、Facebook Graph Search等 2. 基于語義標(biāo)注的網(wǎng)頁搜索 Web Data Commons項目介紹 排序算法介紹，擴(kuò)展BM25 3. 基于圖譜的知識搜索 本體搜索（ontology lookup） 探索式知識檢索，包括查詢構(gòu)造、結(jié)果排序和分面（facets）推薦 4. 知識可視化，包括本體、查詢、結(jié)果等的展現(xiàn)方式和可視化分析 5. 實踐展示：使用ElasticSearch實現(xiàn)百科數(shù)據(jù)的語義搜索
  模塊9：知識問答I	1. 知識問答概述和相關(guān)數(shù)據(jù)集（QALD和WebQuestions） 2. 知識問答基本流程 3. 知識問答主流方法介紹 基于模板的方法，包括模板定義、模板生成和模板匹配等步驟 基于語義解析的方法，包括資源映射，邏輯表達(dá)式候選生成與排序等 基于深度學(xué)習(xí)的方法
  模塊10：知識問答II	1. IBM Watson問答系統(tǒng)及核心組件詳細(xì)解讀 問句理解 候選答案生成 基于證據(jù)的答案排序 2. 實踐展示：面向百科知識的問答baseline實現(xiàn)
  模塊11：行業(yè)知識圖譜應(yīng)用	1. 行業(yè)知識圖譜特點 2. 行業(yè)知識圖譜應(yīng)用，包括金融、醫(yī)療、數(shù)字圖書館等領(lǐng)域應(yīng)用 3. 行業(yè)知識圖譜構(gòu)建與應(yīng)用的挑戰(zhàn) 4. 行業(yè)知識圖譜生命周期定義和關(guān)鍵組件 ?

  ?