 AI和大數(shù)據(jù)的知識圖譜培訓(xùn) |
| 班級規(guī)模及環(huán)境--熱線:4008699035 手機(jī):15921673576/13918613812( 微信同號) |
|
堅持小班授課，為保證培訓(xùn)效果，增加互動環(huán)節(jié)，每期人數(shù)限3到5人。 |
| 上課時間和地點(diǎn) |
上課地點(diǎn)：【上海】：同濟(jì)大學(xué)(滬西)/新城金郡商務(wù)樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學(xué)成教院 【北京分部】：北京中山/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號（中和大道） 【沈陽分部】：沈陽理工大學(xué)/六宅臻品 【鄭州分部】：鄭州大學(xué)/錦華大廈 【石家莊分部】：河北科技大學(xué)/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈
近開課時間(周末班/連續(xù)班/晚班）：2025年6月9日....--即將開課--........................(歡迎您垂詢，視教育質(zhì)量為生命！) |
| 實(shí)驗設(shè)備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學(xué)員免費(fèi)推薦工作
專注高端培訓(xùn)17年，曙海提供的課程得到本行業(yè)的廣泛認(rèn)可，學(xué)員的能力
得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)。
★實(shí)驗設(shè)備請點(diǎn)擊這兒查看★ |
| 新優(yōu)惠 |
|
◆在讀學(xué)生憑學(xué)生證，可優(yōu)惠500元。 |
| 質(zhì)量保障 |
1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
2、課程完成后,授課老師留給學(xué)員手機(jī)和Email,保障培訓(xùn)效果,免費(fèi)提供半年的技術(shù)支持。
3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。 |
培訓(xùn)課程大綱
|
AI和大數(shù)據(jù)的知識圖譜培訓(xùn)大綱
模塊1：知識圖譜概論 1. 知識圖譜的起源和歷史
2. 典型知識庫項目簡介
3. 知識圖譜應(yīng)用簡介
4. 本課程覆蓋的主要范圍：知識表示與建模、知識抽取與挖掘、知識存儲、知識融合、知識推理、語義搜索、知識問答和行業(yè)知識圖譜應(yīng)用剖析等內(nèi)容。
模塊2：知識表示與知識建模 1. 早期知識表示簡介
2. 基于語義網(wǎng)的知識表示框架
RDF和RDFS
OWL和OWL2 Fragments
SPARQL查詢語言
Json-LD、RDFa、HTML5 MicroData等新型知識表示
3. 典型知識庫項目的知識表示
4. 基于本體工具（Protege）的知識建模佳實(shí)踐
模塊3：知識抽取與挖掘I 1. 知識抽取任務(wù)定義和相關(guān)比賽：實(shí)體識別、關(guān)系抽取和事件抽取
2. 面向結(jié)構(gòu)化數(shù)據(jù)（關(guān)系數(shù)據(jù)庫）的知識抽取，包括D2RQ和R2RML等轉(zhuǎn)換與映射規(guī)范與技術(shù)介紹
3. 面向半結(jié)構(gòu)化數(shù)據(jù)（Web tables, 百科站點(diǎn)等）的知識抽取
基于正則表達(dá)式的方法
Bootstrapping和Wrapper Induction介紹
4. 實(shí)踐展示：基于百科數(shù)據(jù)的知識抽取
模塊4：知識抽取與挖掘II 1. 面向非結(jié)構(gòu)化數(shù)據(jù)（文本）的知識抽取
a. 基于本體的知識抽取，包括NELL和DeepDive系統(tǒng)介紹
b. 開放知識抽取，包括TextRunner、Reverb和OLLIE等系統(tǒng)介紹
2. 知識挖掘
知識內(nèi)容挖掘：實(shí)體消歧與鏈接
知識結(jié)構(gòu)挖掘：關(guān)聯(lián)規(guī)則挖掘與社區(qū)發(fā)現(xiàn)
知識表示學(xué)習(xí)與鏈接預(yù)測，包括TransE和PRA等算法介紹
模塊5：知識存儲 1. 基于關(guān)系數(shù)據(jù)庫的存儲設(shè)計，包括各種表設(shè)計和索引建立策略
2. 基于RDF的圖數(shù)據(jù)庫介紹
開源數(shù)據(jù)庫：Apache Jena、Sesame、gStore、RDF-3X等
商業(yè)數(shù)據(jù)庫：Virtuoso、AllegroGraph、BlazeGraph等
3. 原生圖數(shù)據(jù)庫介紹，包括Neo4j、OrientDB、Titan和Cayley等
4. 實(shí)踐展示：使用Apache Jena存儲百科知識，并使用Fuseki構(gòu)建圖譜查詢服務(wù)
模塊6：知識融合 1. 知識融合任務(wù)定義和相關(guān)競賽：本體對齊和實(shí)體匹配
2. 本體對齊基本流程和常用方法
基于Linguistic的匹配
基于圖結(jié)構(gòu)的匹配
基于外部知識庫的匹配
3. 實(shí)體匹配基本流程和常用方法
基于分塊的多階段匹配
基于規(guī)則（配置或通過學(xué)習(xí)）的實(shí)體匹配
4. 知識融合工具介紹：包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault
5. 實(shí)踐展示：使用Falcon-AO融合百度百科與維基百科中的知識
模塊7：知識推理 1. 本體知識推理簡介與任務(wù)分類，包括概念可滿足性、概念包含、實(shí)例分類和一致性檢測等
2. 本體推理方法與工具介紹
基于Tableaux運(yùn)算的方法：Fact++、Racer、Pellet和Hermit等
基于一階查詢重寫的方法：Ontology-based Data Access的Ontop等
基于產(chǎn)生式規(guī)則的方法（如Rete)：Jena、Sesame和OWLIM等
基于邏輯編程（如Datalog）改寫的方法：KAON2和RDFox等
3. 實(shí)踐展示：使用Jena完成百科知識上的上下位推理、缺失類別補(bǔ)全和一致性檢測等
模塊8：語義搜索 1.語義搜索概述，包括Knowledge Card、Rich Snippet、Facebook Graph Search等
2. 基于語義標(biāo)注的網(wǎng)頁搜索
Web Data Commons項目介紹
排序算法介紹，擴(kuò)展BM25
3. 基于圖譜的知識搜索
本體搜索（ontology lookup）
探索式知識檢索，包括查詢構(gòu)造、結(jié)果排序和分面（facets）推薦
4. 知識可視化，包括本體、查詢、結(jié)果等的展現(xiàn)方式和可視化分析
5. 實(shí)踐展示：使用ElasticSearch實(shí)現(xiàn)百科數(shù)據(jù)的語義搜索
模塊9：知識問答I 1. 知識問答概述和相關(guān)數(shù)據(jù)集（QALD和WebQuestions）
2. 知識問答基本流程
3. 知識問答主流方法介紹
基于模板的方法，包括模板定義、模板生成和模板匹配等步驟
基于語義解析的方法，包括資源映射，邏輯表達(dá)式候選生成與排序等
基于深度學(xué)習(xí)的方法
模塊10：知識問答II 1. IBM Watson問答系統(tǒng)及核心組件詳細(xì)解讀
問句理解
候選答案生成
基于證據(jù)的答案排序
2. 實(shí)踐展示：面向百科知識的問答baseline實(shí)現(xiàn)
模塊11：行業(yè)知識圖譜應(yīng)用 1. 行業(yè)知識圖譜特點(diǎn)
2. 行業(yè)知識圖譜應(yīng)用，包括金融、醫(yī)療、數(shù)字圖書館等領(lǐng)域應(yīng)用
3. 行業(yè)知識圖譜構(gòu)建與應(yīng)用的挑戰(zhàn)
4. 行業(yè)知識圖譜生命周期定義和關(guān)鍵組件 |
shuhaipeixun
總部李老師