|
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
! Q: r# L+ M3 x7 _6 d百度网盘下载链接:" g% A) v- ]2 k# ]
[/hide]7 q& k4 w6 y$ R9 j3 s; n
密码: tw2u 【解压密码:javazx.com】
, F# E. ?' N7 L: W, |3 C* L% N集数合计:11课; p" I J; z) j/ o; y1 p6 {
. g0 f) ` B7 h* y( Y* M- ~链接失效声明:如果本链接地址失效,请及时联系站长QQ:400691066 Z" n" e9 p, N0 W/ u! h
如何获取资源:VIP升级: https://www.javazx.com/tpgao_wmcard-wmcard.html9 a0 w! I+ `* t8 [) ^
VIP说明: 月度VIP:使用期限30天
, g6 i/ V- W( R* B8 A7 Q- w- G9 ^7 L9 z, M 年度VIP:使用期限365天# j y$ ?- X+ K6 O, ~! A* J4 L
终身VIP:使用期限永久
/ k/ n N! n5 [1 c2 @4 B5 z' x6 H1 t' P/ V5 k& j2 a& A5 @
Java视频教程详情描述: 4 \- V# Q4 R [( _, R
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。
) Y' V9 z: \8 d. f" R5 K! u1 _' c
& C* y7 K5 @- x4 c. i- D; ~9 t2 \; e& d" i1 j7 P
$ `3 `1 x; e* j0 q" Y! s: E1 D" o
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 1 D. T% G6 E" j1 S
Java视频教程目录:( r" Q: q& v8 d3 n
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。 - h( q; N& s- \. m$ ^+ b$ ^5 h4 V
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 F4 c+ D; R8 n, r+ w; |0 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 : s' n% {0 o5 h0 X
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
; m& {% N$ D2 p+ j9 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
7 `, V7 z7 V7 V 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
9 i! f4 ?! f. k 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
( Y7 Z g, ?' [. 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 ' p& _# F+ i9 x$ s
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 ) d1 x& k1 Z: w: W7 g4 @: ~
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
8 |% _- g1 B* P! N$ w. L% f 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 + t% J4 I( D, J8 Z. o: O! I( W
2 w& O0 b2 m A" _
# ~5 m' `: s7 L+ a0 \7 E |
|