|
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& _5 [& _# s$ L& L6 |7 E9 z
百度网盘下载链接:
Q/ l1 a2 `5 C3 w A[/hide]: b+ I4 C, |4 t; i" W/ f$ c2 `; `
密码: tw2u 【解压密码:javazx.com】1 u' i7 X9 T; z
集数合计:11课
1 R3 ^/ l0 `3 ^
* ~3 E; J g2 z. G8 q+ R: T' Y链接失效声明:如果本链接地址失效,请及时联系站长QQ:400691062 ^2 W( K3 v2 y
如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html
( l2 J' C4 I+ m8 b' t( a( oVIP说明: 月度VIP:使用期限30天
0 p6 X7 `2 ^ a/ R 年度VIP:使用期限365天
0 p# e8 G9 v) l 终身VIP:使用期限永久
& @% j2 `, | {7 S( h1 l
6 R* {4 ?6 C; G F# `Java视频教程详情描述: * m5 X. a! G/ }" d3 G5 y
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。 k8 B" z) y+ Q7 ]
: N, T, ]5 @* T1 L. c
6 ]+ O4 e- |& u6 }9 x
" q8 c3 l: w" D, H: |8 Q1 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 5 J3 a2 Y6 Q x) R4 s. a
Java视频教程目录:
' @) i; l: j# o( P. E" I3 W3 d) i 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。 4 F/ j D+ o L4 Z
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 % D+ t( i& O: s8 T# {9 Q/ Q
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 % \2 V- q X) F2 v* R
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 ) y1 A8 }+ x' y4 u# m# o {
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 & W7 o8 F/ F" X7 R
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 ' c- S( g+ H t) j: Q7 b. L: [
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
2 f7 k7 c, t5 b1 j; [+ R 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
" I, P! t' U' p% \$ ^ G% H) G 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
?) P- \9 n6 c) ?: Q; V 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 Y$ l6 a1 t- @ l6 ~- @ 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 $ l9 e$ _: Q4 v- t" P
( X/ G' e. r( B
V9 q) }& X( B) _
|
|