1、附件 3 課程具體內容第一部分 知識圖譜概述1.1 知識圖譜基本概念1.2 知識圖譜的歷史沿革1.3 知識圖譜的特點1.4 知識分類1.5 典型知識圖譜第二部分 知識圖譜構建1 詞匯挖掘與實體挖掘1.1 詞匯挖掘1.2 同義詞、縮寫詞挖掘1.3 實體識別1.4 實體分類2 關系抽取2.1 關系挖掘概述2.2 基于 Pattern 的挖掘2.3 基于傳統機器學習模型的關系抽取2.4 基于深度學習的關系抽取2.5 遠程監督與關系獲取3 概念知識圖譜構建3.1 概念圖譜概述3.1.1 常見的概念圖譜3.1.2 概念圖譜的應用3.2 isA 關系抽取3.2.1 YAGO ：Wikipedia 中構建概

2、念圖譜3.2.2 Probase:英文語料上isA關系抽取323 CN-Probase :中文isA關系抽取3.3 isA 關系補全3.3.1 知識缺失的成因3.3.2 基于 isA 傳遞性的圖譜補全3.3.3 基于相似實體的圖譜補全3.4 isA 關系糾錯3.4.1 錯誤的成因3.4.2 簡單的想法:知識的支持度3.4.3 概念圖譜中的抽象層級沖突3.4.4 在概念圖譜中進行消環4 百科圖譜構建4.1 百科圖譜概述4.1.1 基本概述4.1.2 構建方法分類4.2 基于單源的百科圖譜構建4.2.1 半結構化知識抽取4.2 .2本體構建4.2.3 實體分類4.2.4 屬性/關系填充4.2.5

3、知識圖譜更新4.3 基于多源的百科圖譜構建4.3.1 通用本體構建4.3.2 實體對齊4.3.3 屬性對齊4.3.4 屬性值融合5 眾包構建5.1 知識型眾包基本概念5.2 知識型眾包的研究問題5.2.1 What （將什么交予眾包）5.2.2 Whom （將任務交予誰完成）5.2.3 How （如何完成眾包）5.3 基于眾包的知識圖譜構建與精化5.3.1 本體構建階段的眾包介入5.3.2 知識圖譜精化階段的眾包介入5.4 總結6 質量控制6.1 知識圖譜質量評估與控制概述6.1.1 知識圖譜質量的評估維度6.1 .2知識圖譜質量的評估方法6.1 .3知識圖譜質量控制的研究問題6.2 知識圖譜

4、構建中的質量控制6.2.1 知識來源的可信度評估6.2.2 知識獲取方法的可信度評估6.2.3 語義漂移問題的處理技術6.3 知識圖譜中的缺失知識補全6.3.1 關系數據庫中可計量數據的補全6.3.2 關系數據庫中不可計量數據補全6.3.3 知識圖譜中缺失實體的補全6.3.4 知識圖譜中缺失關系的填補6.4 知識圖譜中的知識統一與修正6.4.1 關系數據庫知識統一與修正技術6.4.2 知識圖譜的知識統一與修正技術 第三部分 知識圖譜管理1 建模與存儲1.1 概述1.2 圖論基礎1.3 知識圖譜的邏輯表示1.4 知識圖譜的物理存儲總結2 查詢與檢索2.1 知識圖譜上查詢概述2.2 查詢語言： S

5、PARQL2.3 子結構查詢2.4 關鍵字查詢3 知識圖譜管理系統3.1 圖系統與知識圖譜3.1.1 為什么需要圖系統3.2 知識圖譜對圖系統提出怎樣的需求3.2.2 圖系統基本架構3.3 典型圖系統3.3.1 選擇因素3.3.2 系統對比第四部分 知識圖譜應用1 基于知識圖譜的語言理解1.1 概述1.2 實體理解1.2.1 實體識別1.2.2 實體鏈接1.3 概念理解1.4 屬性理解1.5 主題理解2 基于知識圖譜的搜索與推薦2.1 基于知識圖譜的搜索2.1.1 意圖理解2.1.2 實體搜索2.1.3 實體探索2.2 傳統推薦系統的局限與挑戰2.3 基于知識圖譜的物品畫像2.3.1 知識融合

6、畫像的傳統模型2.3.2 知識融合畫像的深度學習模型2.4 基于知識圖譜的用戶畫像2.4.1 綜合歷史物品特征的用戶畫像2.4.2 基于概念化標簽的用戶畫像2.5 基于知識圖譜的跨領域推薦3 基于知識圖譜的問答3.1 知識問答概述3.2 經典方法：基于規則的知識問答3.3 基于深度學習的知識問答3.4 基于語義模板學習的知識問答3.5 混合問答及知識問答最新趨勢3.6 總結第五部分 實踐與問題1 知識圖譜圖工具與應用1.1知識建模工具 Prot g e1.1.1 本體編輯器1.1.2 圖形化界面1.2 關系數據轉換工具 D2RQ1.2.1 D2RQ Server1.2.2 D2RQ Engin

7、e1.2.3 D2RQ Mapping1.3 圖譜可視化1.3.1 數據形態1.3.2 圖譜布局1.3.3 圖譜視覺表達1.3.4 圖譜交互1.3.5 圖譜統計1.3.6 Neo4J1.4 圖譜分析工具1.4.1 Spatk-GraphX1.4.2 Gephi1.4.3 Python-igraph1.5 林業經營知識圖譜1.5.1 數據來源1.5.2 分詞與實體識別1.5.3 實體關系識別1.5.4 本體構建1.5.5 知識圖譜可視化1.5.6 知識圖譜圖譜分析2 知識圖譜落地與實踐2.1 什么是領域知識圖譜 DKG2.2 領域知識圖譜與通用 /開放領域知 識圖譜的關系是什么2.3 為何需要符

8、號化表示的知識圖譜2.4 為什么需要領域知識圖譜2.5 領域知識圖譜系統的生命周期2.6 領域知識圖譜的知識如何表示2.7 領域知識圖譜如何構建2.8 領域知識圖譜的評價標準2.9 領域知識圖譜如何存儲2.10 領域知識圖譜如何查詢2.11 領域知識圖譜如何使用2.12 領域知識圖譜落地的最佳實踐領域知識圖譜還存在哪些挑戰3 知識圖譜中的開放問題3.1 知識表示3.1.1 隱形知識的表達3.1.2 知識圖譜語義表達能力的增強3.2 知識獲取3.2.1 大規模常識獲取與理解3.2.2 樣本稀疏環境下的領域知識獲取3.2.3 端到端的知識獲取3.2.4 知識獲取中的人機協作3.3 應用3.3.1 知識圖譜與可解釋人工智能3.3.2 符號知識與神經網絡的融合3.3.3 知識引導下的機器學習3.3.4 知識引導下的機器語言認知知識引導下的搜索與推薦“知識圖譜一一概念與技術”前期培訓學員評價節選 “課程內容設計覆蓋面比較全，講解比較透徹”“課程體系比較全面，獲得信息量大”“內容邏輯很清楚，也很清晰，節奏也很合適，感謝老師的講解”“肖老師對整個體系的梳理以及對應用工作