知识图谱与语义计算
课程目录
第一周 课程介绍及知识图谱基础 （赵军）
1.1课程简介
1.2 知识图谱概述
1.3知识图谱与深度学习
第二周 机器学习基础 （何世柱）
2.1 机器学习基础
2.2 深度学习基础
2.3 典型深度学习模型（一）
2.4 典型深度学习模型（二）
第三周 图算法基础 （何世柱）
3.1 典型图算法
3.2 图匹配算法
3.3 面向图结构的随机游走算法
3.4 基于图结构的深度学习模型
第四周 知识表示方法 （赵军）
4.1 经典知识表示理论
4.2 语义网中的知识表示
4.3 知识图谱中的知识表示
4.4 知识图谱的数值化表示
第五周 知识体系构建和知识融合 （刘康）
5.1知识体系构建
5.2 知识融合
第六周 实体识别和扩展 （赵军）
6.1 实体识别
6.2 细粒度实体识别
6.3 实体扩展
第七周 实体消歧 （赵军）
7.1 实体消歧概述
7.2 基于聚类的实体消歧
7.3 基于链接的实体消歧
第八周 关系抽取 （赵军）
8.1 关系抽取概述
8.2 限定域关系抽取
8.3 开放域关系抽取
第九周 事件抽取 （赵军）
9.1 事件知识表示
9.2 事件知识抽取
9.3 基于事件知识的故事概要抽取
第十周 存储和检索 （何世柱）
10.1 基于关系数据库的知识图谱存储
10.2 基于图数据库的知识图谱存储
10.3 图数据库
10.4 知识图谱检索（SPARQL/Cypher）
第十一周 知识推理和语义计算 （何世柱）
11.1 推理概述
11.2 知识推理分类
11.3 归纳推理：推理规则获取
11.3.1 基于关联规则的规则获取方法
11.3.2 基于路径学习的规则获取方法
11.3.2 基于表示学习的规则获取方法
11.4 演绎推理：推理具体事实
11.4.1 基于逻辑规则的事实推理
11.4.2 基于表示学习的事实推理
第十二周 知识图谱应用1：问答系统 （刘康）
12.1 知识问答概述
12.2 基于语义解析的方法
12.2.1 基于特征工程的语义解析方法
12.2.2 基于端到端序列学习的语义解析方法
12.3 基于搜索排序的方法
12.3.1 基于特征工程的搜索排序方法
12.3.2 基于深度学习搜索排序方法
第十三周 知识图谱应用2：对话系统 （刘康）
13.1 知识对话概述
13.2 任务导向型对话系统
13.2.1 对话意图理解
13.2.2 对话管理
13.2.3 对话生成
13.3 通用知识对话