知识图谱Knowledge Graph构建与应用
--- 关于举办 2022年数字信息化培训项目系列 ---
知识图谱Knowledge Graph构建与应用研修班线上课程的通知
各有关单位:
一、培训目标:
本次课程安排紧密结合理论与实践，深入浅出，循序渐进。从基本概念讲起，重点讲解构建方法和技术的转化思路，帮助学员系统性的掌握知识图谱的核心技术原理。基于百科知识进行各项核心技术的实例训练，并结合数字图书馆、医疗、金融、电商、农业、法律等行业应用帮助学员快速积累知识图谱工程项目经验。
二、培训专家：
培训专家来自清华大学、南京大学、北京理工大学的专家团队，拥有丰富的科研及工程技术经验，长期从事人工智能、深度学习、自然语言处理、知识图谱、数据挖掘等领域的教学与研究工作。曾主持并参与多项国家自然科学基金、863重大专项和国家科技支撑项目。
三、培训对象:
各省市、自治区从事人工智能、机器学习、大数据、自然语言处理、语义搜索 、知识问答、数据挖掘、金融、医疗、电子商务等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及知识图谱广大爱好者。
四、费用标准：
A类：5680元/人，含报名费、培训费、资料费、证书费。
1、培训费由组织培训班的施教机构负责收取并提供培训发票。
2、上课前一周汇款可享受9折优惠，或报名5人以上可享受9折优惠，两个优惠不同时享用。报名8人以上享受8.8折优惠。
3、参加线上培训学员均可享受视频录播回放权益，及本人再次免费参加线下学习权益。
B类：另加2300元考取工业和信息化部人才交流中心高级《人工智能机器视觉应用工程师》。
五、颁发证书：
参加培训并通过考核的学员，由中国管理科学研究院现代教育研究所颁发《知识图谱构建与应用工程师》（高级）岗位认证证书，可通过官方网站查询，该证书可作为有关单位专业技术人员能力评价、考核和任职的重要依据。
B类：参加相关培训并通过考核的学员，由工业和信息化部人才交流中心颁发《人工智能机器视觉应用工程师》（高级）能力提升证书，可通过官方网站查询。该证书直接纳国家人才数据库，可作为有关单位专业技术人员能力评价、考核和任职的重要依据。
注：请学员将电子版彩照（大于20KB，红蓝底皆可）、身份证复印件和学历证明复印件各一份发送至2374914377@qq.com。
六、注意事项
1、指定报名邮箱：2374914377@qq.com。
2、报名成功后，会务组在上课前两天发送上课所需的账号、课件等材料。
3、参会学员需自备电脑一台，配置win10、64位系统、8G内存、100G硬盘。
附件1：具体课程安排
第一天
一、知识图谱概论
1.1知识图谱的起源和历史1.2知识图谱的发展史——从框架、本体论、语义网、链接数据到知识图谱1.3知识图谱的本质和价值1.4知识图谱VS传统知识库VS关系数据库1.5经典的知识图谱1.5.1经典的CYC, WordNnet, WikiData, DBpedia, YAGO, NELL等知识库1.5.2行业知识图谱：Google知识图谱，微软实体图，阿里知识图谱，医学知识图谱，基因知识图谱等知识图谱项目
二、知识图谱应用
2.1知识图谱应用场景2.2知识图谱应用简介2.2.1知识图谱在数字图书馆上的应用 2.2.2知识图谱在国防、情报、公安上的应用2.2.3知识图谱在金融上的应用 2.2.4知识图谱在电子商务中的应用2.2.5知识图谱在农业、医学、法律等领域的应用2.2.6知识图谱在制造行业的应用2.2.7知识图谱在大数据融合中的应用 2.2.8知识图谱在人机交互（智能问答）中的应用
三、知识表示与知识建模
3.1知识表示概念3.2 知识表示方法a.语义网络 b.产生式规则 c.框架系统 d.描述逻辑 e.本体 f.RDF和RDFSg.OWL和OWL2 Fragments h.SPARQL查询语言 i.Json-LD、RDFa、HTML5 MicroData等新型知识表示3.3典型知识库项目的知识表示 3.4知识建模方法学3.5知识表示和知识建模实践1.三国演义知识图谱的表示和建模实践案例2.学术知识图谱等
第二天
四、知识抽取与挖掘
4.1知识抽取基本问题a.实体识别 b.关系抽取 c.事件抽取4.2数据采集和获取4.3面向结构化数据的知识抽取a.D2RQ b.R2RML 4.4面向半结构化数据的知识抽取 a.基于正则表达式的方法 b.基于包装器的方法4.5.面向非结构化数据的知识抽取a.实体识别技术（基于规则、机器学习、深度学习、半监督学习、预训练等方法）b.关系抽取技术（基于模板、监督、远程监督、深度学习等方法）c.事件抽取技术（基于规则、深度学习、强化学习等方法）4.6.知识挖掘a.实体消歧b.实体链接c.类型推断 d.知识表示学习4.7知识抽取上机实践A.面向半结构化数据的三国演义知识抽取B.面向文本的三国演义知识抽取C.人物关系抽取
第二天
五、知识融合
5.1知识融合背景5.2知识异构原因分析5.3知识融合解决方案分析5.4.本体对齐基本流程和常用方法a.基于文本的匹配 b.基于图结构的匹配 c.基于外部知识库的匹配e.不平衡本体匹配 d.跨语言本体匹配 f.弱信息本体匹配5.5实体匹配基本流程和常用方法 a.基于相似度的实例匹配 b.基于规则或推理的实体匹配c.基于机器学习的实例匹配 d.大规模知识图谱的实例匹配(1)基于分块的实例匹配(2)无需分块的实例匹配(3)大规模实例匹配的分布式处理5.6 知识融合上机实践 1.百科知识融合 2.OAEI知识融合任务
第三天
六、存储与检索
6.1.知识图谱的存储与检索概述6.2.知识图谱的存储 a.基于表结构的存储 b.基于图结构的存储6.3.知识图谱的检索a.关系数据库查询：SQL语言 b数据库查询：SPARQL语言 6.4.上机实践案例：利用GraphDB完成知识图谱的存储与检索
七、知识推理
7.1.知识图谱中的推理技术概述7.2.归纳推理：学习推理规则 a.归纳逻辑程设计Øb.关联规则挖掘 c.路径排序算法上机实践案例：利用AMIE+算法完成Freebase数据上的关联规则挖掘7.3.演绎推理：推理具体事实Ø a.马尔可夫逻辑网 b.概率软逻辑7.4.基于分布式表示的推理a. TransE模型及其变种 b.RESCAL模型及其变种c.（深度）神经网络模型介绍 d.表示学习模型训练7.5.上机实践案例：利用分布式知识表示技术完成Freebase上的链接预测
第四天
八、语义搜索
8.1.语义搜索概述8.2.搜索关键技术a.索引技术：倒排索引 b.排序算法：BM25及其扩展8.3.知识图谱搜索a.实体搜索b.关联搜索8.4.知识可视化 a.摘要技术8.5.上机实践案例：SPARQL搜索
九、知识问答
9.1.知识问答概述 9.2.知识问答基本流程9.3.相关测试集：QALD、WebQuestions等9.4.知识问答关键技术 a.基于模板的方法 b.语义解析 c.基于深度学习的方法9.5.上机实践案例：DeepQA、TemplateQA
关注“人工智能技术与咨询”，更多前沿技术值得掌握！
知识图谱Knowledge Graph构建与应用相关推荐
- 通过COVID-19认识知识图谱 | Knowledge Graph
知识图谱是近几年来一个蛮热的词,被认为是"认知智能领域核心技术之一","人工智能四大领域之一"等等.甚至有了不谈知识图谱不足以号称新技术的趋势. 这么重要的一个 ...
- 知识图谱(Knowledge Graph)之综述理解
注:该博文是我在看了数篇知识图谱综述以及阅读了相关资料后的一个总结以及自己的相关理解. 知识图谱技术是人工智能技术的重要组成部分,以结构化的方式描述客观世界中的概念.实体及其键的关系.知识图谱提技术提 ...
- 【知识图谱 Knowledge Graph】从它的起源看未来的研究方向。知识图谱——科普篇
声明:仅学习使用. 注:来源在文末均已指出 目录 一.知识图谱的本质 1.数字时代降临,知识图谱前身 语义网络模型 初面世(20世纪50-60年代) 2.万维网广泛应用,图形化模型略展锋芒(20世纪8 ...
- 时序知识图谱的增量构建
摘要 带有时序特征的知识图谱(KG)称为时序知识图谱,用来描述知识库中增量式的概念及其相互关系.知识随着时间推移而变化,将新增知识实时.准确地添加到时序知识图谱中,可以实时反映知识的演化更新.对此,给 ...
- 如何让你的机器更加聪明？-知识图谱介绍与构建
近年来,随着人工智能技术在科研和实践中的广泛发展和应用,知识图谱(Knowledge Graph)作为人工智能的重要课题也得到迅速发展. 包含上亿条事实的公开知识图谱已经非常常见,并且不同的数据源又互 ...
- 基于知识图谱(Knowledge Graph)的学习类APP软件设计
资源下载地址:https://download.csdn.net/download/sheziqiong/85942483 资源下载地址:https://download.csdn.net/downl ...
- 知识图谱 Protege 本体构建
知识图谱 Protege 本体构建 Protege 相关资源 Protege OWL Tutorial 官方教程 : http://owl.cs.manchester.ac.uk/publicatio ...
- 知识图谱研讨实录07丨肖仰华教授带你读懂知识图谱的众包构建
以下文章来源于知识工场 ,作者知识工场 知识图谱是一种大规模语义网络,已经成为大数据时代知识工程的代表性进展. 知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术.由复旦大学肖仰华教授 ...
- 【知识图谱】如何构建知识体系：知识图谱搭建的第一步
互联网时代,人类在与自然和社会的交互中生产了异常庞大的数据,这些数据中包含了大量描述自然界和人类社会客观规律有用信息.如何将这些信息有效组织起来,进行结构化的存储,就是知识图谱的内容. 知识图谱的难点 ...
最新文章
- 【原】IOS文件操作
- 全世界都认为汉语是婴儿语(转载)
- Linux从入门到精通系列之线性表链式存储结构-单链表原理解析
- GitLab基本设置-新增用户
- SQL-left(right,inner) join
- ORA-19504,乌龙处理
- NPT PT G螺纹
- 如何使用JavaScript替换DOM元素？
- Google Code的简单使用
- 用PS制作透明背景的电子签名
- DirectX11 指定材质
- （附源码）基于PHP下的大学生校园交流论坛的设计与实现 毕业设计101634
- android获取imei兼容_Android如何获取双卡手机IMEI的方法示例
- 对应到对象 数据库驼峰_驼峰
- Lanczos方法计算严格对角化格林函数
- Mac OSX系统下使用DosBox编写汇编
- cron每小时执行一次_crontab每小时运行一次（转）
- 上海电影学院计算机复试,2019年上海电影学院考研面试经验分享
- [MFC] 几种子控件半透明效果的实现办法
- 关于机器学习特征顺序是否影响决策树分类效能