Ansys|91国内精品视频|Matlab|91国内精品久久久|R语言培训课程班-91国内精品久久-曙海培训深圳成都南京苏州杭州

        1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

人工智能-知識圖譜核心培訓大綱

第一節

知識圖譜概述

1.1什么是知識圖譜

1.2知識圖譜的發展歷史

1.3國內外典型的知識圖譜項目簡介

1.4知識圖諳的相關技術簡介

1.5典型應用案例

第二節

知識表示與建模

2.1什么是知識表示

2.2早期知識表示方法

2.2.1邏輯

2.2.2產生式規則

2.2.3框架

2.2.4語義網絡

2.3基于語義網知識表示框架

2.3.1 RDF 和 RDFS

2.3.2 OWL和OWL2 Fragments

2.3.3 SPARQL查詢語言

2.3.4Json-LD、RDFa, HTML5 MicroData等新型知識表示

2.4典型知識庫項目的知識表示

2.4.1 DBPedia

2.4.2 Freebase

2.4.3 WikiData

2.4.4 ConceptNel

2.5知識圖諾設計

2.5.1知識設計方法

2.5.2語義類型設計

2.5.3語義關系設計

2.5.4本體對象設計

2.6開源工具實踐：基于Protege的本體知識建模

第三節

知識抽取與知識挖掘

3.1知識抽取任務及相關競費

3.1.1實體抽取

3.1.2關系抽取

3.1.3事件抽取

3.2面向結構化數據的知識抽取及其相關工具

3.3面向半結構化數據的知識抽取及其相關工具
3.4知識挖掘

3.4.1實體消歧與鏈接

3.4.2知識規則挖掘

3.4.3知識圖譜表示學習

3.5開源工貝實踐：基于DupDivc的關系抽取實踐

第四節

知識存儲

4.1圖數據庫基本知識

4.2常見的圖數據庫

4.2.1開源數據庫介紹

4.2.2商業數據庫介紹

4.2.3原生圖數據庫介紹

4.3圖數據庫實現細節
4.4開源工具實踐

4.4.1以Apache Jena為例

4.4.2 Neo4j可視化操作基礎

第五節

知識融合

5.1什么是知識融合

5.2知識融合的基本技術流程

5.3典型知識融合工具簡介

5.3.1框架匹配

5.3.2實體對齊

5.4典型案例簡介

5.4.1 Zhishi.me中的實體融合

5.4.2 OpenKCi的鏈接百科

5.5開源工具實踐：實體關系發現框架LIMBSR

第六節

知識推理

6.1推理概述

6.2本體知識推理簡介與任務分類

6.3本體推理方法與工具介紹

6.3.1基于Tableaux運算的方法

6.3.2基于邏輯編程改寫的方法

6.3.3基于一階查詢重寫的方法

6.3.4基于產生式規則的方法

6.3.5基于井行技術的方法

6.4開源工具實踐：基于ha和Drods的知識推理實踐

第七節

語義搜索

7.1語義搜索簡介

7.2語義數據搜索

7.3混合搜索

7.4語義搜索的交互范式

7.5實踐展示：使用Elasticsearch實現簡單語義數據檢索

第八節

知識問答

8.1知識問答技術槪述

8.2知識問答系統簡史

8.3知識問答的評測數握集

8.4 KBQA基本概念及挑戰

8.5知識問答主流方法介紹