|
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
* y! l$ c' j, k1 k _3 l2 i百度网盘下载链接:
; |; h0 o6 i% K# p# _/ n4 y[/hide]
* ?! X# P3 j {4 e0 I密码: tw2u 【解压密码:javazx.com】; Z& z$ w+ ]; C: g* q
集数合计:11课
. b( H1 H$ P- H+ P- B$ n% S6 I3 c$ f. a, I
链接失效声明:如果本链接地址失效,请及时联系站长QQ:40069106
$ d" M+ T2 D1 u8 E# @如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html
7 Z( u) o/ C8 d8 gVIP说明: 月度VIP:使用期限30天) G+ t$ S4 r7 L. ]
年度VIP:使用期限365天* G# W6 w0 Z, G$ }
终身VIP:使用期限永久# u# l0 x) `0 o' ^1 m2 K
6 M9 q$ H9 g2 V2 O+ F
Java视频教程详情描述:
* I+ z9 p* b+ O( ZA0169《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。 4 e& k& C5 _" C9 Y
3 C) i9 J' J. d! W' n8 x. B
% b! P- l/ k0 `5 c& }, K
5 ?' V2 h) Q) w/ P7 r1 l1. 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 $ Z! z) g2 j, U1 J1 O( A B
Java视频教程目录:
1 a% C7 }2 }" L7 V 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。 ( P5 ` x; T0 X
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
6 M$ L/ k/ b! L* Q$ 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
1 S' E1 T& m5 i! Q& A- S 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 8 P& U% G; m5 `+ @' d3 }
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
& s @7 ]7 ?6 _) x 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
( r3 [8 r* P: a/ t4 s7 Q2 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 # P0 y/ m( H9 X7 q" N& o) ]
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 ( s5 ~' v& v* M
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
5 ]) V1 m7 N" r5 a# Z2 L. K5 P: U) ] 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 ) O$ y2 g2 V. q8 P
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
1 Y/ Q- L: a% R5 p @- {. B Y& v" h3 r; i* T
5 Q8 Z$ F& d L2 v& g4 ^. P |
|