|
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- P- o, [4 s. J. y百度网盘下载链接:; i; r! a9 b$ e3 Z5 Q
[/hide]# V( \) N3 c7 F- u- d# _% ~
密码: tw2u 【解压密码:javazx.com】
, a0 Z d" M1 A G; e集数合计:11课0 _% C! c4 C3 P) Q- ] [
. N! ?9 I3 P5 I- N( g, D
链接失效声明:如果本链接地址失效,请及时联系站长QQ:40069106
1 n3 o5 s+ I7 M" i- ?0 a$ p如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html# A @) t' O6 n& [
VIP说明: 月度VIP:使用期限30天
. S; Y! w( U8 o* g- u/ [ 年度VIP:使用期限365天6 I B9 |+ ], H* B
终身VIP:使用期限永久) t8 c( ]/ ?- A" T6 b2 y9 Y+ q) T
: T( t: s( N9 m1 K" T8 u! zJava视频教程详情描述: " Q5 Y7 N9 _- H
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。 : {8 U+ R7 |5 b |' A+ [- r- _
. O$ O7 I: E. D5 r
. j {5 J8 `& S$ r& t' Y C! W* x: \5 x- c& B5 B
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 ! e4 }+ _3 @: U: o+ k% n: E
Java视频教程目录:' k) \3 n! u+ r3 h8 v9 k
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。
. T. I; T' J! ~6 A' J4 y; j 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 % P# j# Y# w. x& N1 z) J# L+ v1 m
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
$ \1 P8 M/ p! R' l% E2 c. [ 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 ' i# ~: W8 A" l1 p& @" Z+ W
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
2 B0 c O/ p2 }1 e 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 # k/ C* P/ T4 l* H1 w5 f
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 z" A# H2 T8 Q" v
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 ! `9 ^; Q' E: M# u
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 4 n% _7 i* _8 I: P, a4 v2 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
# l2 G& U+ H6 q- A- f+ j0 J 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 6 [! T. t8 K! c7 b* U/ Y9 k7 }
, i/ y. e8 n: V/ S: U+ H) B3 t- x& o( J& d8 S
|
|