知識圖譜Knowledge Graph構建與應用

--- 關於舉辦 2022年數字資訊化培訓專案系列 ---

知識圖譜Knowledge Graph構建與應用研修班線上課程的通知

一、培訓目標:

本次課程安排緊密結合理論與實踐，深入淺出，循序漸進。從基本概念講起，重點講解構建方法和技術的轉化思路，幫助學員系統性的掌握知識圖譜的核心技術原理。基於百科知識進行各項核心技術的例項訓練，並結合數字圖書館、醫療、金融、電商、農業、法律等行業應用幫助學員快速積累知識圖譜工程專案經驗。

二、培訓專家：

培訓專家來自清華大學、南京大學、北京理工大學的專家團隊，擁有豐富的科研及工程技術經驗，長期從事人工智慧、深度學習、自然語言處理、知識圖譜、資料探勘等領域的教學與研究工作。曾主持並參與多項國家自然科學基金、863重大專項和國家科技支撐專案。

三、培訓物件:

各省市、自治區從事人工智慧、機器學習、大資料、自然語言處理、語義搜尋 、知識問答、資料探勘、金融、醫療、電子商務等領域相關的企事業單位技術骨幹、科研院所研究人員和大專院校相關專業教學人員及在校研究生等相關人員，以及知識圖譜廣大愛好者。

四、費用標準：

A類：5680元/人，含報名費、培訓費、資料費、證書費。

1、培訓費由組織培訓班的施教機構負責收取並提供培訓發票。

2、上課前一週匯款可享受9折優惠，或報名5人以上可享受9折優惠，兩個優惠不同時享用。報名8人以上享受8.8折優惠。

3、參加線上培訓學員均可享受影片錄播回放權益，及本人再次免費參加線下學習權益。

B類：另加2300元考取工業和資訊化部人才交流中心高階《人工智慧機器視覺應用工程師》。

五、頒發證書：

參加培訓並透過考核的學員，由中國管理科學研究院現代教育研究所頒發 《知識圖譜構建與應用工程師》（高階）崗位認證證書，可透過官方網站查詢，該證書可作為有關單位專業技術人員能力評價、考核和任職的重要依據。

B類：參加相關培訓並透過考核的學員，由工業和資訊化部人才交流中心頒發 《人工智慧機器視覺應用工程師》（高階）能力提升證書，可透過官方網站查詢。該證書直接納國家人才資料庫，可作為有關單位專業技術人員能力評價、考核和任職的重要依據。

注：請學員將電子版彩照（大於20KB，紅藍底皆可）、個人和學歷資訊證明覆印件各一份傳送至2374914377@qq.com。

六、注意事項

1、指定報名郵箱：2374914377@qq.com 。

2、報名成功後，會務組在上課前兩天傳送上課所需的賬號、課件等材料。

3、參會學員需自備電腦一臺，配置win10、64位系統、8G記憶體、100G硬碟。

附件1：具體課程安排

第一天

一、知識圖譜概論

1.1知識圖譜的起源和歷史1.2知識圖譜的發展史——從框架、本體論、語義網、連結資料到知識圖譜1.3知識圖譜的本質和價值1.4知識圖譜VS傳統知識庫VS關聯式資料庫1.5經典的知識圖譜1.5.1經典的CYC, WordNnet, WikiData, DBpedia, YAGO, NELL等知識庫1.5.2行業知識圖譜：Google知識圖譜，微軟實體圖，阿里知識圖譜，醫學知識圖譜，基因知識圖譜等知識圖譜專案

二、知識圖譜應用

2.1知識圖譜應用場景2.2知識圖譜應用簡介2.2.1知識圖譜在數字圖書館上的應用 2.2.2知識圖譜在國防、情報、公安上的應用2.2.3知識圖譜在金融上的應用 2.2.4知識圖譜在電子商務中的應用2.2.5知識圖譜在農業、醫學、法律等領域的應用2.2.6知識圖譜在製造行業的應用2.2.7知識圖譜在大資料融合中的應用 2.2.8知識圖譜在人機互動（智慧問答）中的應用

三、知識表示與知識建模

3.1知識表示概念3.2 知識表示方法a.語義網路 b.產生式規則 c.框架系統 d.描述邏輯 e.本體 f.RDF和RDFSg.OWL和OWL2 Fragments h.SPARQL查詢語言 i.Json-LD、RDFa、HTML5 MicroData等新型知識表示3.3典型知識庫專案的知識表示 3.4知識建模方法學3.5知識表示和知識建模實踐1.三國演義知識圖譜的表示和建模實踐案例2.學術知識圖譜等

第二天

四、知識抽取與挖掘

4.1知識抽取基本問題a.實體識別 b.關係抽取 c.事件抽取4.2資料採集和獲取4.3面向結構化資料的知識抽取a.D2RQ b.R2RML 4.4面向半結構化資料的知識抽取 a.基於正規表示式的方法 b.基於包裝器的方法4.5.面向非結構化資料的知識抽取a.實體識別技術（基於規則、機器學習、深度學習、半監督學習、預訓練等方法）b.關係抽取技術（基於模板、監督、遠端監督、深度學習等方法）c.事件抽取技術（基於規則、深度學習、強化學習等方法）4.6.知識挖掘a.實體消歧b.實體連結c.型別推斷 d.知識表示學習4.7知識抽取上機實踐A.面向半結構化資料的三國演義知識抽取B.面向文字的三國演義知識抽取C.人物關係抽取

第二天

五、知識融合

5.1知識融合背景5.2知識異構原因分析5.3知識融合解決方案分析5.4.本體對齊基本流程和常用方法a.基於文字的匹配 b.基於圖結構的匹配 c.基於外部知識庫的匹配e.不平衡本體匹配 d.跨語言本體匹配 f.弱資訊本體匹配5.5實體匹配基本流程和常用方法 a.基於相似度的例項匹配 b.基於規則或推理的實體匹配c.基於機器學習的例項匹配 d.大規模知識圖譜的例項匹配(1)基於分塊的例項匹配(2)無需分塊的例項匹配(3)大規模例項匹配的分散式處理5.6 知識融合上機實踐 1.百科知識融合 2.OAEI知識融合任務

第三天

六、儲存與檢索

6.1.知識圖譜的儲存與檢索概述6.2.知識圖譜的儲存 a.基於表結構的儲存 b.基於圖結構的儲存6.3.知識圖譜的檢索a.關聯式資料庫查詢：SQL語言 b資料庫查詢：SPARQL語言 6.4.上機實踐案例：利用GraphDB完成知識圖譜的儲存與檢索

七、知識推理

7.1.知識圖譜中的推理技術概述7.2.歸納推理：學習推理規則 a.歸納邏輯程設計Øb.關聯規則挖掘 c.路徑排序演算法上機實踐案例：利用AMIE+演算法完成Freebase資料上的關聯規則挖掘7.3.演繹推理：推理具體事實Ø a.馬爾可夫邏輯網 b.機率軟邏輯7.4.基於分散式表示的推理a. TransE模型及其變種 b.RESCAL模型及其變種c.（深度）神經網路模型介紹 d.表示學習模型訓練7.5.上機實踐案例：利用分散式知識表示技術完成Freebase上的連結預測

第四天

八、語義搜尋

8.1.語義搜尋概述8.2.搜尋關鍵技術a.索引技術：倒排索引 b.排序演算法：BM25及其擴充套件8.3.知識圖譜搜尋a.實體搜尋b.關聯搜尋8.4.知識視覺化 a.摘要技術8.5.上機實踐案例：SPARQL搜尋

九、知識問答

9.1.知識問答概述 9.2.知識問答基本流程9.3.相關測試集：QALD、WebQuestions等9.4.知識問答關鍵技術 a.基於模板的方法 b.語義解析 c.基於深度學習的方法9.5.上機實踐案例：DeepQA、TemplateQA

關注“人工智慧技術與諮詢”，更多前沿技術值得掌握！