系列一:基于知识图谱谱完整项目实战(附源码)
课时1完整项目案例运行演示21:18
课时2项目开发环境安装部署12:13
课时3项目业务需求分析07:49
课时4项目总体架构设计25:07
课时5基于知识图谱譜模型设计方法论15:44
课时6基于知识图谱谱语义类型设计15:24
课时7基于知识图谱谱语义关系设计08:52
课时8开发环境安装部署11:55
课时9汽车品牌数据获取10:36
课时10汽车车系数据获取11:49
课时11汽车数据批量导入14:53
课时12汽车车型数据获取09:28
课时13汽车配置数据获取14:08
课时15通用命名实体识别11:20
课时16领域命名实体识别08:07
课时17實体查询程序设计10:19
课时18关系查询程序设计10:00
课时19基于知识图谱谱数据可视化09:43
课时20推荐系统基本原理和实现机制20:22
课时21基于知识图谱谱与推荐系統融合的模式11:46
课时22基于KGE的开源推荐系统框架13:38
系列三:基于知识图谱谱全解析
第一课: 基于知识图谱谱概论
1. 基于知识图谱谱的起源和历史
2. 典型知识库项目简介
3. 基于知识图谱谱应用简介
4. 本次课程覆盖的主要范围:知识表示与建模、知识抽取与挖掘、知识存储、知识融合、知识推悝、语义搜索、知识问答和行业基于知识图谱谱应用剖析等内容
第二课: 知识表示与知识建模
1. 早期知识表示简介
2. 基于语义网的知识表示框架
3. 典型知识库项目的知识表示
4. 基于本体工具(Protege)的知识建模最佳实践
第三课: 知识抽取与挖掘I
1. 知识抽取任务定义和相关比赛:实体识别、关系抽取和事件抽取
2. 面向结构化数据(关系数据库)的知识抽取,包括D2RQ和R2RML等转换与映射规范与技术介绍
3. 面向半结构化数据(Web tables, 百科站点等)的知识抽取
a. 基于正则表达式的方法
4. 实践展示:基于百科数据的知识抽取
第四课: 知识抽取与挖掘II
1. 面向非结构化数据(文本)的知识抽取
a. 基于本体的知识抽取包括NELL和DeepDive系统介绍
a. 知识内容挖掘:实体消歧与链接
b. 知识结构挖掘:关联规则挖掘与社区发现
c. 知识表示学习与链接预测,包括TransE和PRA等算法介绍
1. 基于关系数据库的存储设计包括各种表设计和索引建立策略
2. 基于RDF的图数据库介绍
4. 实践展示:使用Apache Jena存储百科知识,并使用Fuseki构建图谱查询服务
1. 知识融合任务定义和相关竞赛:本体对齐和实体匹配
2. 本体对齐基本流程和常用方法
b. 基于图结构的匹配
c. 基于外部知识庫的匹配
3. 实体匹配基本流程和常用方法
a. 基于分块的多阶段匹配
b. 基于规则(配置或通过学习)的实体匹配
5. 实践展示:使用Falcon-AO融合百度百科与维基百科中的知识
1. 本体知识推理简介与任务分类包括概念可满足性、概念包含、实例分类和一致性检测等
2. 本体推理方法与工具介绍
3. 实践展礻:使用Jena完成百科知识上的上下位推理、缺失类别补全和一致性检测等
-
b. 探索式知识检索,包括查询构造、结果排序和分面(facets)推荐
- 知识可視化包括本体、查询、结果等的展现方式和可视化分析
- 实践展示:使用ElasticSearch实现百科数据的语义搜索
第十课: 知识问答II
c. 基于证据的答案排序 2. 实践展示:面向百科知识的问答baseline实现第十一课: 行业基于知识图谱谱应用
1. 行业基于知识图谱谱特点
2. 行业基于知识图谱谱应用包括金融、医疗、数字图书馆等领域应用
3. 行业基于知识图谱谱构建与应用的挑战
4. 行业基于知识圖谱谱生命周期定义和关键组件
系列四:2019张老师教你完完全全学习基于知识图谱谱