KnowledgeGraphCourse.zip

上传者: changbozizf | 上传时间: 2023-08-04 08:41:55 | 文件大小: 404.8MB | 文件类型: ZIP
原资源可在github中搜索到,这里只是用于个人学习方便。 课程内容 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

文件下载

资源详情

[{"title":"( 17 个子文件 404.8MB ) KnowledgeGraphCourse.zip","children":[{"title":"KnowledgeGraphCourse","children":[{"title":"pub-4知识抽取-问题和方法.pdf <span style='color:#111;'> 24.25MB </span>","children":null,"spread":false},{"title":"pub-1知识图谱概论B.pdf <span style='color:#111;'> 79.12MB </span>","children":null,"spread":false},{"title":"pub-14知识推理.pdf <span style='color:#111;'> 7.64MB </span>","children":null,"spread":false},{"title":"pub-1知识图谱概论A.pdf <span style='color:#111;'> 58.47MB </span>","children":null,"spread":false},{"title":"pub-7知识抽取-关系抽取.pdf <span style='color:#111;'> 29.27MB </span>","children":null,"spread":false},{"title":"pub-5知识抽取-数据获取.pdf <span style='color:#111;'> 4.43MB </span>","children":null,"spread":false},{"title":"pub-13实体链接.pdf <span style='color:#111;'> 2.99MB </span>","children":null,"spread":false},{"title":"pub-9知识融合.pdf <span style='color:#111;'> 63.07MB </span>","children":null,"spread":false},{"title":"pub-3知识建模.pdf <span style='color:#111;'> 24.52MB </span>","children":null,"spread":false},{"title":"pub-11知识存储.pdf <span style='color:#111;'> 3.70MB </span>","children":null,"spread":false},{"title":"pub-12知识问答-微软小冰.pdf <span style='color:#111;'> 20.74MB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 63.56KB </span>","children":null,"spread":false},{"title":"pub-10知识图谱表示学习.pdf <span style='color:#111;'> 7.79MB </span>","children":null,"spread":false},{"title":"pub-1知识图谱概论C.pdf <span style='color:#111;'> 60.46MB </span>","children":null,"spread":false},{"title":"pub-6知识抽取-实体识别.pdf <span style='color:#111;'> 11.19MB </span>","children":null,"spread":false},{"title":"pub-8知识抽取-事件抽取.pdf <span style='color:#111;'> 9.85MB </span>","children":null,"spread":false},{"title":"pub-2知识表示.pdf <span style='color:#111;'> 21.93MB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明