|
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! b: y! C! x. ~$ h. y( l: f
百度网盘下载链接:
% ^3 t6 @" a v2 X% r[/hide]
& O& m+ H# q! Y* H& X4 J9 h) v! X" m密码: tw2u 【解压密码:javazx.com】
: N) ]& M8 R& b3 E! f- f# w集数合计:11课* S* L& b" S: d/ T+ Z
q4 E! |9 x% r) g" J% ~
链接失效声明:如果本链接地址失效,请及时联系站长QQ:40069106
- h' R+ V4 n Z8 ^! {+ j' B如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html+ J" Z5 P9 ?; b! U. _: K7 q
VIP说明: 月度VIP:使用期限30天1 R2 P m) M# H) c9 v" y
年度VIP:使用期限365天
6 v9 v5 ~- Y! s 终身VIP:使用期限永久% C+ `% K; r# D& r7 f$ O' X- F O
8 r+ k" e$ ^ ZJava视频教程详情描述: , B% e4 v& w5 s/ P+ ]2 V
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 z; e+ D3 L- b6 Z6 J+ u4 p. T' B8 y8 w- ^: M+ T* J9 ^
2 q7 Q2 z# B( k; w; r6 C9 F
. n, h% B$ l4 q5 y, |$ y/ U1. 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 1 A) `7 O2 n- Z* |7 s
Java视频教程目录:* {5 q2 N& @' 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。 * M6 d; l- L5 x3 u8 a; o( P1 ~
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 , f9 M, S m' _+ z
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
# J% [4 z4 `' {4 C) s' N 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 ( N/ p% c0 H- M
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
, m2 C2 w" Y/ H. w3 e+ 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 $ v5 N. _* o/ N
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 ' ~: Y$ X+ p+ Q- h$ `8 Z U% A
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
" I8 o$ o9 c2 `2 b( @ 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
9 M( L1 D( n0 _$ y( r/ C+ ^ 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
3 U# A8 [. t9 S$ g; L# 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
$ W' R) F! ~8 A X0 _
2 d2 p' p4 x9 l0 o! D: C* _
. D( T7 e8 B% o; t5 F |
|