课程具体内容

1、附件 3课程具体内容第一部分知识图谱概述1.1知识图谱基本概念1.2知识图谱的历史沿革1.3知识图谱的特点1.4知识分类1.5典型知识图谱第二部分知识图谱构建1 词汇挖掘与实体挖掘1.1词汇挖掘1.2同义词、缩写词挖掘1.3实体识别1.4实体分类2 关系抽取2.1关系挖掘概述2.2基于 Pattern 的挖掘2.3基于传统机器学习模型的关系抽取2.4基于深度学习的关系抽取2.5远程监督与关系获取3 概念知识图谱构建3.1概念图谱概述3.1.1常见的概念图谱3.1.2概念图谱的应用3.2isA 关系抽取3.2.1YAGO ： Wikipedia 中构建概念图谱3.2.2Probase：英文语料上

2、 isA 关系抽取3.2.3CN-Probase：中文 isA 关系抽取3.3isA 关系补全3.3.1知识缺失的成因3.3.2基于 isA 传递性的图谱补全3.3.3基于相似实体的图谱补全3.4isA 关系纠错3.4.1错误的成因3.4.2简单的想法：知识的支持度3.4.3概念图谱中的抽象层级冲突3.4.4在概念图谱中进行消环4 百科图谱构建4.1百科图谱概述4.1.1 基本概述4.1.2 构建方法分类4.2基于单源的百科图谱构建4.2.1 半结构化知识抽取4.2.2 本体构建4.2.3 实体分类4.2.4 属性 /关系填充4.2.5 知识图谱更新4.3基于多源的百科图谱构建4.3.1 通用

3、本体构建4.3.2 实体对齐4.3.3 属性对齐4.3.4 属性值融合5 众包构建5.1知识型众包基本概念5.2知识型众包的研究问题5.2.1 What（将什么交予众包）5.2.2 Whom （将任务交予谁完成）5.2.3 How （如何完成众包）5.3基于众包的知识图谱构建与精化5.3.1 本体构建阶段的众包介入5.3.2 知识图谱精化阶段的众包介入5.4总结6 质量控制6.1知识图谱质量评估与控制概述6.1.1 知识图谱质量的评估维度6.1.2 知识图谱质量的评估方法6.1.3 知识图谱质量控制的研究问题6.2知识图谱构建中的质量控制6.2.1 知识来源的可信度评估6.2.2 知识获取方法

4、的可信度评估6.2.3 语义漂移问题的处理技术6.3知识图谱中的缺失知识补全6.3.1 关系数据库中可计量数据的补全6.3.2 关系数据库中不可计量数据补全6.3.3 知识图谱中缺失实体的补全6.3.4 知识图谱中缺失关系的填补6.4知识图谱中的知识统一与修正6.4.1 关系数据库知识统一与修正技术6.4.2 知识图谱的知识统一与修正技术第三部分知识图谱管理1 建模与存储1.1概述1.2图论基础1.3知识图谱的逻辑表示1.4知识图谱的物理存储1.5总结2查询与检索3.6总结2.1知识图谱上查询概述第五部分实践与问题2.2查询语言： SPARQL2.3子结构查询1知识图谱图工具与应用2.4关键字

5、查询1.1知识建模工具 Prot g3知识图谱管理系统1.1.1 本体编辑器3.1图系统与知识图谱1.1.2 图形化界面3.1.1为什么需要图系统1.2关系数据转换工具 D2RQ3.2知识图谱对图系统提出怎样的需求1.2.1D2RQ Server3.2.2图系统基本架构1.2.2D2RQ Engine3.3典型图系统1.2.3D2RQ Mapping3.3.1选择因素1.3图谱可视化3.3.2系统对比1.3.1数据形态1.3.2图谱布局1.3.3图谱视觉表达第四部分知识图谱应用1.3.4图谱交互1.3.5图谱统计1基于知识图谱的语言理解1.3.6Neo4J1.1概述1.4图谱分析工具1.2实体

6、理解1.4.1Spatk-GraphX1.2.1实体识别1.4.2Gephi1.2.2实体链接1.4.3Python-igraph1.3概念理解1.5林业经营知识图谱1.4属性理解1.5.1数据来源1.5主题理解1.5.2分词与实体识别2基于知识图谱的搜索与推荐1.5.3实体关系识别2.1基于知识图谱的搜索1.5.4本体构建2.1.1意图理解1.5.5知识图谱可视化2.1.2实体搜索1.5.6知识图谱图谱分析2.1.3实体探索2 知识图谱落地与实践2.2传统推荐系统的局限与挑战2.1什么是领域知识图谱DKG2.3基于知识图谱的物品画像2.2 领域知识图谱与通用/开放领域知2.3.1知识融合画像

7、的传统模型识图谱的关系是什么2.3.2知识融合画像的深度学习模型2.3为何需要符号化表示的知识图谱2.4基于知识图谱的用户画像2.4为什么需要领域知识图谱2.4.1综合历史物品特征的用户画像2.5领域知识图谱系统的生命周期2.4.2基于概念化标签的用户画像2.6领域知识图谱的知识如何表示2.5基于知识图谱的跨领域推荐2.7领域知识图谱如何构建3 基于知识图谱的问答2.8领域知识图谱的评价标准3.1知识问答概述2.9领域知识图谱如何存储3.2经典方法：基于规则的知识问答2.10领域知识图谱如何查询3.3基于深度学习的知识问答2.11领域知识图谱如何使用3.4基于语义模板学习的知识问答2.12领域

8、知识图谱落地的最佳实践3.5混合问答及知识问答最新趋势2.13领域知识图谱还存在哪些挑战3 知识图谱中的开放问题3.1知识表示3.1.1隐形知识的表达3.1.2知识图谱语义表达能力的增强3.2知识获取3.2.1大规模常识获取与理解3.2.2样本稀疏环境下的领域知识获取3.2.3端到端的知识获取3.2.4知识获取中的人机协作3.3应用3.3.1知识图谱与可解释人工智能3.3.2符号知识与神经网络的融合3.3.3知识引导下的机器学习3.3.4知识引导下的机器语言认知3.3.5知识引导下的搜索与推荐“知识图谱概念与技术”前期培训学员评价节选“课程内容设计覆盖面比较全，讲解比较透彻”“课程体系比较全面，获得信息量大”“内容逻辑很清楚，也很清晰，节奏也很合适，感谢老师的讲解”“肖老师对整个体系的梳理以及对应用工作的思考，极具参