????该课程系统地讲解了知识图谱相关的知识，涉及知识表示、知识建模、知识抽取基础（数据采、实体识别、关系抽取、事件抽取）、 知识融合、 知识图谱表示学习、知识存储、基于知识的智能问答、实体链接、知识推理等所有知识图谱相关的知识点。
????该课程适用于研究生、对知识图谱感兴趣的研究人员和工程师。
?文末附课程ppt等资料下载地址。
课程目录
第1讲 知识图谱概论 （2019-3-1,2019-3-8）
????????1.1 知识图谱起源和发展
????????1.2 知识图谱 VS 深度学习
????????1.3 知识图谱 VS 关系数据库 VS 传统专家库
????????1.4 知识图谱本质和核心价值
????????1.5 知识图谱技术体系
????????1.6 典型知识图谱
????????1.7 知识图谱应用场景
?
??第2讲 知识表示 (2019-3-15)
????????2.1 知识表示概念
????????2.2 知识表示方法
????????????语义网络
????????????产生式系统
????????????框架系统
????????????概念图
????????????形式化概念分析
????????????描述逻辑
????????????本体
????????????本体语言
????????????统计表示学习
?
?第3讲 知识建模 （2019-3-15，2019-3-22）
????????3.1 本体
????????3.2 知识建模方法
????????????本体工程
????????????本体学习
????????????知识建模工具
????????????知识建模实践
?
??第4讲 知识抽取基础:问题和方法（2019-3-22）
????????4.1 知识抽取场景
????????4.2 知识抽取挑战
????????4.3 面向结构化数据的知识抽取
????????4.4 面向半结构化数据的知识抽取
????????4.5 面向非机构化数据的知识抽取
?
???第5讲 知识抽取:数据采集（2019-3-29）
????????5.1 数据采集原理和技术
????????????爬虫原理
????????????请求和响应
????????????多线程并行爬取
????????????反爬机制应对
????????5.2 数据采集实践
????????????百科 论坛 社交网络等爬取实践
?
????第6讲 知识抽取:实体识别（2019-3-29）
????????6.1 实体识别基本概念
????????6.2 基于规则和词典的实体识别方法
????????6.3 基于机器学习的实体识别方法
????????6.4 基于深度学习的实体识别方法
????????6.5 基于半监督学习的实体识别方法
????????6.6 基于迁移学习的实体识别方法
????????6.7 基于预训练的实体识别方法
?
???第7讲 知识抽取:关系抽取（2019-4-19，2019-4-26）
????????7.1 关系基本概念
????????7.2 语义关系
????????7.3 关系抽取的特征
????????7.4 关系抽取数据集
????????7.5 基于监督学习的关系抽取方法
????????7.6 基于无监督学习的关系抽取方法
????????7.7 基于远程监督的关系抽取方法
????????7.8 基于深度学习/强化学习的关系抽取方法
?
第8讲 知识抽取:事件抽取（2019-3-29）
????????8.1 事件抽取基本概念
????????8.2 基于规则和模板的事件抽取方法
????????8.3 基于机器学习的事件抽取方法
????????8.4 基于深度学习的事件抽取方法
????????8.5 基于知识库的事件抽取方法
????????8.6 基于强化学习的事件抽取方法
?
????第9讲 知识融合（2019-4-28）
????????9.1 知识异构
????????9.2 本体匹配
????????9.3 匹配抽取和匹配调谐
????????9.4 实体匹配
????????9.5 大规模实体匹配处理
????????9.6 知识融合应用实例
?
????第10讲 知识图谱表示学习（2019-5-5）
????????10.1 知识表示学习概念
????????10.2 基于距离的表示学习模型
????????10.3 基于翻译的表示学习模型
????????10.4 基于语义的表示学习模型
????????10.5 融合多源信息的表示学习模型
????????10.6 知识图谱表示学习模型的评测
????????10.7 知识图谱表示学习前沿进展和挑战
?
????第11讲 知识存储（2019-5-10）
????????11.1 知识存储概念
????????11.2 图数据库管理系统、模型、查询语言
????????11.3 RDF数据库管理系统、模型、查询语言
????????11.4 基于关系型数据库的知识存储
?
????第12讲 基于知识的智能问答（2019-5-10）
????????12.1 智能问答基础
????????12.2 问题理解
????????12.3 问题求解
????????12.4 基于模板的知识问答方法
????????12.5 基于语义分析的知识问答方法
????????12.6 基于深度学习的知识问答方法
????????12.7 IBM Watson原理和技术剖析
????????12.8 微软小冰的原理和技术剖析
?
????第13讲 实体链接（2019-5-17）
????????13.1 实体链接基本概念
????????13.2 基于概率生成模型的实体链接方法
????????13.3 基于主题模型的实体链接方法
????????13.4 基于图的实体链接方法
????????13.5 基于深度学习的实体链接方法
????????13.6 基于无监督的实体链接方法
?
?第14讲 知识推理（2019-5-17）
????????14.1 知识推理基础概念
????????14.2 基于逻辑的知识推理方法
????????14.3 基于统计学习的知识推理方法
????????14.4 基于图的知识推理方法
????????14.4 基于神经网络的知识推理方法
????????14.5 多种方法混合的知识推理方法
资源整理自网络，源 / ppt等资源下载地址:
https://github.com/npubird/KnowledgeGraphCourse
往期精品内容下载地址
形形色色的仿生机器人汇编
推荐系统原理、工程、大厂(Youtube、BAT、TMB)架构干活分享
AI算法工程师遇到技术瓶颈该如何解决？
深度学习基础：正向模型、可微损失函数与优化
历史最全-130本科技互联网类免费书籍整理-汇总分享
百度、腾讯、阿里AI云平台资源分享
2019年BAT、TMD等互联网最新、最全面试题目及答案汇总
深度学习基础系列之2019深度学习暑期课程视频分享（中英字幕）
最全中文自然语言处理数据集、平台和工具整理
《自动化机器学习：方法，系统和挑战》-最新版-免费下载
【干货】史上最全的PyTorch学习资源汇总
强大的自学习系统-Demis Hassabis
Tensorflow实现的深度NLP模型集锦
以上就是本篇文章【东南大学2019年最新研究生精品课程《知识图谱》资源分享】的全部内容了，欢迎阅览 ！ 文章地址：http://www.riyuangf.com/news/13043.html 资讯 企业新闻 行情 企业黄页 同类资讯 首页 网站地图 返回首页 迅易阁资讯移动站 http://qyn41e.riyuangf.com/ , 查看更多