|
|
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- G5 {0 K6 ?; q/ |0 f
百度网盘下载链接：* P8 b4 h M5 Q% T& r; O
[/hide]3 h8 W. }3 o! T! E
密码: tw2u 【解压密码：javazx.com】( _! S* K/ V: U; Z; x# e
集数合计：11课 r7 a6 h( j& H" T
$ G' Z! _( Q8 j, l7 F链接失效声明：如果本链接地址失效，请及时联系站长QQ：40069106+ ?, p0 K! X1 k4 s# W' z, |+ O
如何获取资源：VIP升级： https://www.javazx.com/tpgao_wmcard-wmcard.html
3 d+ r. u2 l+ u. M) \VIP说明： 月度VIP：使用期限30天
/ ~9 l+ y1 Y& _ 年度VIP：使用期限365天- o6 {0 b* T5 R
终身VIP：使用期限永久& P& N$ X$ w9 c# J+ W! V# A
! } z5 e$ t8 N& h& F2 A
Java视频教程详情描述： . _% Q c7 i" m& w0 |& R7 O
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。
+ b$ [- _/ Y2 V, D9 m& }
, u5 g9 e$ `. m4 t! F1 B8 B; r% N0 y1 x
* P% q1 _/ \+ n, v+ b1. 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
Java视频教程目录：) }0 `) u v5 F' i1 m. p
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。 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 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. 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 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 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 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 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 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 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 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
- i k0 Z, i' ?4 H1 ]) H# d+ \& T$ [6 ?$ b5 E/ Y3 f$ W7 H1 A
: f% U1 x5 k% z1 D3 s5 I. T8 g" ~ |
|
[复制链接]
发表于 2018-7-6 01:06:25
发表于 2018-7-6 09:09:08
