|
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
% W' \1 R" `( A$ e X; N1 ]百度网盘下载链接:
: y; a. b9 A$ U9 Z3 n/ l7 Y* j; H/ Y[/hide]3 C6 z0 q, r7 c9 ]
密码: tw2u 【解压密码:javazx.com】+ I3 k3 Y# |# h" t$ d# ]
集数合计:11课
?! G, Q: d0 F0 I! \: E: B6 d5 K p! W
链接失效声明:如果本链接地址失效,请及时联系站长QQ:400691069 M# V2 a8 {. s
如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html
: d4 \5 v: \* ^6 A2 rVIP说明: 月度VIP:使用期限30天
2 V% Z5 I ~6 J1 ~' |2 C 年度VIP:使用期限365天
) _+ `, Y9 G1 ? 终身VIP:使用期限永久
/ j/ j* U; M ?; @- ^+ t$ U" g+ b6 G1 e3 n) v& _7 {
Java视频教程详情描述: ) F2 H X( k5 @" J, Z$ U
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。 9 _6 }% h: v Q* o: i* s& X2 X
/ j. R6 U9 T0 I5 S5 R1 D/ Z
' u1 M8 c7 r2 w7 F/ M9 A: [4 N3 n4 W0 m. S8 e
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
7 B; C5 U% J* n7 w! U. xJava视频教程目录:6 G2 A0 @6 \9 u7 H( q; D1 E
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。 8 }9 b+ p) n: T4 w
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 7 `; O3 x8 K s0 v
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
+ i/ J/ Y* ]. U" A, d4 j( E* F- { 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 # T) b+ w; b' e, I3 p. N9 A
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 - w' F, A0 l u
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
3 [6 o" |% L. |: ~6 R 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 7 z& \5 g3 d$ D7 b& @1 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 ! ]) A( l- X! o$ ~
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 I' V% }9 n' }5 f4 a1 R3 l
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 1 ^5 |( a5 P, o x1 E
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 5 L$ B6 @4 R, \5 U
& D/ \* _7 k" c- V+ |
8 ^1 n# I* j. s g |
|