人工智能知識(shí)圖譜從基礎(chǔ)理論到項(xiàng)目案例實(shí)戰(zhàn)課程視頻教程下載。本課程從實(shí)戰(zhàn)出發(fā)，圍繞知識(shí)表示、知識(shí)抽取、語(yǔ)義搜索、知識(shí)問(wèn)答、知識(shí)推理、知識(shí)融合等系統(tǒng)性介紹知識(shí)圖譜相關(guān)的實(shí)戰(zhàn)技術(shù)，使得學(xué)員具備研發(fā)知識(shí)圖譜相關(guān)應(yīng)用的基礎(chǔ)能力。結(jié)合醫(yī)療、金融、電商等實(shí)際應(yīng)用場(chǎng)景，介紹知識(shí)圖譜各個(gè)技術(shù)點(diǎn)的實(shí)際應(yīng)用落地方式，使得學(xué)員具備結(jié)合自身背景開(kāi)展知識(shí)圖譜技術(shù)實(shí)踐的應(yīng)用能力。

課程大綱：

第一課：知識(shí)圖譜概論  
1、知識(shí)圖譜的起源和歷史
2、典型知識(shí)庫(kù)項(xiàng)目簡(jiǎn)介
3、知識(shí)圖譜應(yīng)用簡(jiǎn)介
4、本次課程覆蓋的主要范圍：知識(shí)表示與建模、知識(shí)抽取與挖掘、知識(shí)存儲(chǔ)、知識(shí)融合、知識(shí)推理、語(yǔ)義搜索、知識(shí)問(wèn)答和行業(yè)知識(shí)圖譜應(yīng)用剖析等內(nèi)容。

第二課：知識(shí)表示與知識(shí)建模
1、早期知識(shí)表示簡(jiǎn)介
2、基于語(yǔ)義網(wǎng)的知識(shí)表示框架
    a、RDF和RDFS
    b、OWL和OWL2 Fragments
    c、SPARQL查詢語(yǔ)言
    d、Json-LD、RDFa、HTML5 MicroData等新型知識(shí)表示
3、典型知識(shí)庫(kù)項(xiàng)目的知識(shí)表示
4、基于本體工具（Protege）的知識(shí)建模最佳實(shí)踐

第三課：知識(shí)抽取與挖掘I

1、知識(shí)抽取任務(wù)定義和相關(guān)比賽：實(shí)體識(shí)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(kù)）的知識(shí)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(shí)抽取
    a、基于正則表達(dá)式的方法
    b、Bootstrapping和Wrapper Induction介紹
4、實(shí)踐展示：基于百科數(shù)據(jù)的知識(shí)抽取

第四課：知識(shí)抽取與挖掘II
1、面向非結(jié)構(gòu)化數(shù)據(jù)（文本）的知識(shí)抽取
    a、基于本體的知識(shí)抽取，包括NELL和DeepDive系統(tǒng)介紹
    b、開(kāi)放知識(shí)抽取，包括TextRunner、Reverb和OLLIE等系統(tǒng)介紹
2、知識(shí)挖掘
    a、知識(shí)內(nèi)容挖掘：實(shí)體消歧與鏈接
    b、知識(shí)結(jié)構(gòu)挖掘：關(guān)聯(lián)規(guī)則挖掘與社區(qū)發(fā)現(xiàn)
    c、知識(shí)表示學(xué)習(xí)與鏈接預(yù)測(cè)，包括TransE和PRA等算法介紹

第五課：知識(shí)存儲(chǔ)
1、基于關(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)設(shè)計(jì)，包括各種表設(shè)計(jì)和索引建立策略
2、基于RDF的圖數(shù)據(jù)庫(kù)介紹
    a、開(kāi)源數(shù)據(jù)庫(kù)介紹：Apache Jena、Sesame、gStore、RDF-3X等
    b、商業(yè)數(shù)據(jù)庫(kù)介紹：Virtuoso、AllegroGraph、BlazeGraph等
3、原生圖數(shù)據(jù)庫(kù)介紹，包括Neo4j、OrientDB、Titan和Cayley等
4、實(shí)踐展示：使用Apache Jena存儲(chǔ)百科知識(shí)，并使用Fuseki構(gòu)建圖譜查詢服務(wù)

第六課：知識(shí)融合
1、知識(shí)融合任務(wù)定義和相關(guān)競(jìng)賽：本體對(duì)齊和實(shí)體匹配
2、本體對(duì)齊基本流程和常用方法
    a、基于Linguistic的匹配
    b、基于圖結(jié)構(gòu)的匹配
    c、基于外部知識(shí)庫(kù)的匹配
3、實(shí)體匹配基本流程和常用方法
    a、基于分塊的多階段匹配
    b、基于規(guī)則（配置或通過(guò)學(xué)習(xí)）的實(shí)體匹配
4、知識(shí)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(shí)

第七課：知識(shí)推理
1、本體知識(shí)推理簡(jiǎn)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(cè)等
2、本體推理方法與工具介紹
    a、基于Tableaux運(yùn)算的方法：Fact++、Racer、Pellet和Hermit等
    b、基于一階查詢重寫的方法：Ontology-based Data Access的Ontop等
    c、基于產(chǎn)生式規(guī)則的方法（如Rete)：Jena、Sesame和OWLIM等
    d、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(shí)上的上下位推理、缺失類別補(bǔ)全和一致性檢測(cè)等

第八課：語(yǔ)義搜索
1、語(yǔ)義搜索概述，包括Knowledge Card、Rich Snippet、Facebook Graph Search等
2、基于語(yǔ)義標(biāo)注的網(wǎng)頁(yè)搜索
    a、Web Data Commons項(xiàng)目介紹
    b、排序算法介紹，擴(kuò)展BM25
3、基于圖譜的知識(shí)搜索
    a、本體搜索（ontology lookup）
    b、探索式知識(shí)檢索，包括查詢構(gòu)造、結(jié)果排序和分面（facets）推薦
4、知識(shí)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(yǔ)義搜索

第九課：知識(shí)問(wèn)答I
1、知識(shí)問(wèn)答概述和相關(guān)數(shù)據(jù)集（QALD和WebQuestions）
2、知識(shí)問(wèn)答基本流程
3、知識(shí)問(wèn)答主流方法介紹
    a、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
    b、基于語(yǔ)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
    c、基于深度學(xué)習(xí)的方法

第十課：知識(shí)問(wèn)答II
1、IBM Watson問(wèn)答系統(tǒng)及核心組件詳細(xì)解讀
    a、問(wèn)句理解
    b、候選答案生成
    c、基于證據(jù)的答案排序
2、實(shí)踐展示：面向百科知識(shí)的問(wèn)答baseline實(shí)現(xiàn)

第十一課：行業(yè)知識(shí)圖譜應(yīng)用
1、行業(yè)知識(shí)圖譜特點(diǎn)
2、行業(yè)知識(shí)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(shí)圖譜構(gòu)建與應(yīng)用的挑戰(zhàn)
4、行業(yè)知識(shí)圖譜生命周期定義和關(guān)鍵組件

主講老師：
著名知識(shí)圖譜專家
博士畢業(yè)于上海交通大學(xué)，CCF術(shù)語(yǔ)專委會(huì)執(zhí)委，中文信息學(xué)會(huì)語(yǔ)言與知識(shí)計(jì)算委員會(huì)副秘書長(zhǎng)，共發(fā)表75余篇高水平論文。中文知識(shí)圖譜zhishi.me創(chuàng)始人，OpenKG聯(lián)盟發(fā)起人之一，其帶隊(duì)構(gòu)建的語(yǔ)義搜索系統(tǒng)在Billion Triple Challenge中榮獲全球第2名；在著名的本體匹配競(jìng)賽OAEI的實(shí)體匹配任務(wù)中斬獲得全球第1名。曾主持并參與多項(xiàng)國(guó)家自然科學(xué)基金、863重大專項(xiàng)和國(guó)家科技支撐項(xiàng)目，以學(xué)術(shù)負(fù)責(zé)人身份參與Paypal、Google、Intel、IBM、百度等企業(yè)的合作項(xiàng)目。

課程簡(jiǎn)介：
本次的知識(shí)圖譜課程主要包括三大部分：
1、知識(shí)圖譜的工程方法論。指導(dǎo)學(xué)員了解并掌握知識(shí)圖譜的基本概念和發(fā)展歷史，梳理清知識(shí)圖譜的技術(shù)體系，掌握知識(shí)圖譜的核心技術(shù)原理，建立知識(shí)圖譜工程的方法論思維。
2、知識(shí)圖譜的實(shí)戰(zhàn)技術(shù)。從實(shí)戰(zhàn)出發(fā)，圍繞知識(shí)表示、知識(shí)抽取、語(yǔ)義搜索、知識(shí)問(wèn)答、知識(shí)推理、知識(shí)融合等系統(tǒng)性介紹知識(shí)圖譜相關(guān)的實(shí)戰(zhàn)技術(shù)，使得學(xué)員具備研發(fā)知識(shí)圖譜相關(guān)應(yīng)用的基礎(chǔ)能力。
3、知識(shí)圖譜的典型應(yīng)用。結(jié)合醫(yī)療、金融、電商等實(shí)際應(yīng)用場(chǎng)景，介紹知識(shí)圖譜各個(gè)技術(shù)點(diǎn)的實(shí)際應(yīng)用落地方式，使得學(xué)員具備結(jié)合自身背景開(kāi)展知識(shí)圖譜技術(shù)實(shí)踐的應(yīng)用能力。

面向人群：
1、希望學(xué)習(xí)知識(shí)圖譜的學(xué)生；
2、希望了解知識(shí)圖譜實(shí)戰(zhàn)技術(shù)的IT從業(yè)人員；
3、未來(lái)希望成為知識(shí)圖譜工程師的求職者；
4、想在知識(shí)圖譜方向進(jìn)行深入研究者。

學(xué)習(xí)收益：
通過(guò)本課程的學(xué)習(xí)，學(xué)員將會(huì)收獲：
1、幫助學(xué)員系統(tǒng)性的掌握知識(shí)圖譜的核心技術(shù)原理，結(jié)合近期研究成果，學(xué)習(xí)從基本概念到各個(gè)先進(jìn)算法和技術(shù)的轉(zhuǎn)化思路
2、了解國(guó)內(nèi)外典型的開(kāi)源知識(shí)庫(kù)數(shù)據(jù)及技術(shù)資源
3、實(shí)踐與理論結(jié)合，培養(yǎng)學(xué)員面對(duì)工程及學(xué)術(shù)問(wèn)題的思考解決能力
4、基于百科知識(shí)進(jìn)行各項(xiàng)核心技術(shù)的實(shí)例訓(xùn)練，并結(jié)合醫(yī)療、金融、電商等行業(yè)應(yīng)用幫助學(xué)員快速積累知識(shí)圖譜工程項(xiàng)目經(jīng)驗(yàn)
5、對(duì)有志于從事知識(shí)問(wèn)答工作或?qū)W術(shù)研究的學(xué)員，提供IBM Watson系統(tǒng)實(shí)現(xiàn)原理的講解與指導(dǎo)