|
Java视频教程名称:2018最新小像学院《知识图谱》课程视频教程 知识图谱视频教程# _2 w! z6 D9 ?" |# X2 \. }5 W
百度网盘下载链接:
8 ~0 s' U# d6 C& Z! D[/hide]3 k! T6 r/ g3 G+ j, y5 G- r
密码: tw2u 【解压密码:javazx.com】* M% h! i8 Q' G1 n( \( C2 E
集数合计:11课
$ F n0 c1 O- g* ~ F. x0 f8 `8 _
链接失效声明:如果本链接地址失效,请及时联系站长QQ:40069106
+ c" p+ y* P3 }- d7 u如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html F) G! C0 r S7 z
VIP说明: 月度VIP:使用期限30天
A4 k3 q$ |4 F/ I0 a1 i 年度VIP:使用期限365天( @# N" X: b+ |+ j
终身VIP:使用期限永久8 u! r) }* _( p, h m
5 |* x: n8 l2 }7 d4 m$ B1 vJava视频教程详情描述: / ?, o4 t( G* _+ X' J
A0169《2018最新小像学院《知识图谱》课程视频教程》1. 知识图谱的工程方法论。指导学员了解并掌握知识图谱的基本概念和发展历史,梳理清知识图谱的技术体系,掌握知识图谱的核心技术原理,建立知识图谱工程的方法论思维。 2. 知识图谱的实战技术。从实战出发,围绕知识表示、知识抽取、语义搜索、知识问答、知识推理、知识融合等系统性介绍知识图谱相关的实战技术,使得学员具备研发知识图谱相关应用的基础能力。 3. 知识图谱的典型应用。结合医疗、金融、电商等实际应用场景,介绍知识图谱各个技术点的实际应用落地方式,使得学员具备结合自身背景开展知识图谱技术实践的应用能力。
+ O s+ m& C, j: U2 T W) X/ I% |) X2 I. X D
/ i5 M3 n8 Y. U" v( D$ d& B* [
6 v; R: ]1 M, a+ u) K6 _1. 帮助学员系统性的掌握知识图谱的核心技术原理,结合近期研究成果,学习从基本概念到各个先进算法和技术的转化思路 3. 实践与理论结合,培养学员面对工程及学术问题的思考解决能力 4. 基于百科知识进行各项核心技术的实例训练,并结合医疗、金融、电商等行业应用帮助学员快速积累知识图谱工程项目经验 5. 对有志于从事知识问答工作或学术研究的学员,提供IBM Watson系统实现原理的讲解与指导
% M3 c6 L# V7 `& t) @ C+ r5 D9 ZJava视频教程目录:- ^+ Z7 ^6 f9 i
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、知识推理、语义搜索、知识问答和行业知识图谱应用剖析等内容。
3 O0 d7 A; {1 ] d. Json-LD、RDFa、HTML5 MicroData等新型知识表示 4. 基于本体工具(Protege)的知识建模最佳实践 0 s4 \ V- m. J6 x5 a; z, m0 Y' h3 H
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 b. Bootstrapping和Wrapper Induction介绍 ' A. o: S& | `7 N- t" V
a. 基于本体的知识抽取,包括NELL和DeepDive系统介绍 b. 开放知识抽取,包括TextRunner、Reverb和OLLIE等系统介绍 c. 知识表示学习与链接预测,包括TransE和PRA等算法介绍 / B3 [/ ]+ R$ G8 V
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 a. 开源数据库介绍:Apache Jena、Sesame、gStore、RDF-3X等 b. 商业数据库介绍:Virtuoso、AllegroGraph、BlazeGraph等 3. 原生图数据库介绍,包括Neo4j、OrientDB、Titan和Cayley等 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 7 W4 ]5 w0 f. N0 {! Y
1. 知识融合任务定义和相关竞赛:本体对齐和实体匹配 4. 知识融合工具介绍:包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault 5. 实践展示:使用Falcon-AO融合百度百科与维基百科中的知识 : y; e! Q9 N# v/ Q N7 A" `3 a8 P
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 a. 基于Tableaux运算的方法:Fact++、Racer、Pellet和Hermit等 b. 基于一阶查询重写的方法:Ontology-based Data Access的Ontop等 c. 基于产生式规则的方法(如Rete):Jena、Sesame和OWLIM等 d. 基于逻辑编程(如Datalog)改写的方法:KAON2和RDFox等 3. 实践展示: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
8 k% c6 u/ t) O; T l 1. 语义搜索概述,包括Knowledge Card、Rich Snippet、Facebook Graph Search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 4. 知识可视化,包括本体、查询、结果等的展现方式和可视化分析 5. 实践展示:使用ElasticSearch实现百科数据的语义搜索 ! w$ ]: f9 Z: z+ b8 v4 H& V8 Q
1. 知识问答概述和相关数据集(QALD和WebQuestions) a. 基于模板的方法,包括模板定义、模板生成和模板匹配等步骤 b. 基于语义解析的方法,包括资源映射,逻辑表达式候选生成与排序等
/ W9 n4 V& T: e 1. IBM Watson问答系统及核心组件详细解读 2. 实践展示:面向百科知识的问答baseline实现
' s& i5 J \+ X, O. R. X 2. 行业知识图谱应用,包括金融、医疗、数字图书馆等领域应用
% p8 i7 y8 v5 E2 R
8 `$ Y4 P5 B, e5 o' o. {9 `7 W; v6 j% e( s
|
|