人工智能 知识图谱

--- 关于举办 2022年数字信息化培训项目系列 ---

知识图谱Knowledge Graph构建与应用研修班线上课程的通知

各有关单位:

一、培训目标:

本次课程安排紧密结合理论与实践,深入浅出,循序渐进。从基本概念讲起,重点讲解构建方法和技术的转化思路,帮助学员系统性的掌握知识图谱的核心技术原理。基于百科知识进行各项核心技术的实例训练,并结合数字图书馆、医疗、金融、电商、农业、法律等行业应用帮助学员快速积累知识图谱工程项目经验。

二、培训专家:

培训专家来自清华大学、南京大学、北京理工大学的专家团队,拥有丰富的科研及工程技术经验,长期从事人工智能、深度学习、自然语言处理、知识图谱、数据挖掘等领域的教学与研究工作。曾主持并参与多项国家自然科学基金、863重大专项和国家科技支撑项目。

三、培训对象:

各省市、自治区从事人工智能、机器学习、大数据、自然语言处理、语义搜索 、知识问答、数据挖掘、金融、医疗、电子商务等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员,以及知识图谱广大爱好者。

附件1:具体课程安排

第一天

一、知识图谱概论

1.1知识图谱的起源和历史1.2知识图谱的发展史——从框架、本体论、语义网、链接数据到知识图谱1.3知识图谱的本质和价值1.4知识图谱VS传统知识库VS关系数据库1.5经典的知识图谱1.5.1经典的CYC, WordNnet, WikiData, DBpedia, YAGO, NELL等知识库1.5.2行业知识图谱:Google知识图谱,微软实体图,阿里知识图谱,医学知识图谱,基因知识图谱等知识图谱项目

二、知识图谱应用

2.1知识图谱应用场景2.2知识图谱应用简介2.2.1知识图谱在数字图书馆上的应用 2.2.2知识图谱在国防、情报、公安上的应用2.2.3知识图谱在金融上的应用 2.2.4知识图谱在电子商务中的应用2.2.5知识图谱在农业、医学、法律等领域的应用2.2.6知识图谱在制造行业的应用2.2.7知识图谱在大数据融合中的应用 2.2.8知识图谱在人机交互(智能问答)中的应用

三、知识表示与知识建模

3.1知识表示概念3.2 知识表示方法a.语义网络 b.产生式规则 c.框架系统 d.描述逻辑 e.本体 f.RDF和RDFSg.OWL和OWL2 Fragments h.SPARQL查询语言 i.Json-LD、RDFa、HTML5 MicroData等新型知识表示3.3典型知识库项目的知识表示 3.4知识建模方法学3.5知识表示和知识建模实践1.三国演义知识图谱的表示和建模实践案例2.学术知识图谱等

第二天

四、知识抽取与挖掘

4.1知识抽取基本问题a.实体识别 b.关系抽取 c.事件抽取4.2数据采集和获取4.3面向结构化数据的知识抽取a.D2RQ b.R2RML 4.4面向半结构化数据的知识抽取 a.基于正则表达式的方法 b.基于包装器的方法4.5.面向非结构化数据的知识抽取a.实体识别技术(基于规则、机器学习、深度学习、半监督学习、预训练等方法)b.关系抽取技术(基于模板、监督、远程监督、深度学习等方法)c.事件抽取技术(基于规则、深度学习、强化学习等方法)4.6.知识挖掘a.实体消歧b.实体链接c.类型推断 d.知识表示学习4.7知识抽取上机实践A.面向半结构化数据的三国演义知识抽取B.面向文本的三国演义知识抽取C.人物关系抽取

第二天

五、知识融合

5.1知识融合背景5.2知识异构原因分析5.3知识融合解决方案分析5.4.本体对齐基本流程和常用方法a.基于文本的匹配 b.基于图结构的匹配 c.基于外部知识库的匹配e.不平衡本体匹配 d.跨语言本体匹配 f.弱信息本体匹配5.5实体匹配基本流程和常用方法 a.基于相似度的实例匹配 b.基于规则或推理的实体匹配c.基于机器学习的实例匹配 d.大规模知识图谱的实例匹配(1)基于分块的实例匹配(2)无需分块的实例匹配(3)大规模实例匹配的分布式处理5.6 知识融合上机实践 1.百科知识融合 2.OAEI知识融合任务

第三天

六、存储与检索

6.1.知识图谱的存储与检索概述6.2.知识图谱的存储 a.基于表结构的存储 b.基于图结构的存储6.3.知识图谱的检索a.关系数据库查询:SQL语言 b数据库查询:SPARQL语言 6.4.上机实践案例:利用GraphDB完成知识图谱的存储与检索

七、知识推理

7.1.知识图谱中的推理技术概述7.2.归纳推理:学习推理规则 a.归纳逻辑程设计Øb.关联规则挖掘 c.路径排序算法上机实践案例:利用AMIE+算法完成Freebase数据上的关联规则挖掘7.3.演绎推理:推理具体事实Ø a.马尔可夫逻辑网 b.概率软逻辑7.4.基于分布式表示的推理a. TransE模型及其变种 b.RESCAL模型及其变种c.(深度)神经网络模型介绍 d.表示学习模型训练7.5.上机实践案例:利用分布式知识表示技术完成Freebase上的链接预测

第四天

八、语义搜索

8.1.语义搜索概述8.2.搜索关键技术a.索引技术:倒排索引 b.排序算法:BM25及其扩展8.3.知识图谱搜索a.实体搜索b.关联搜索8.4.知识可视化 a.摘要技术8.5.上机实践案例:SPARQL搜索

九、知识问答

9.1.知识问答概述 9.2.知识问答基本流程9.3.相关测试集:QALD、WebQuestions等9.4.知识问答关键技术 a.基于模板的方法 b.语义解析 c.基于深度学习的方法9.5.上机实践案例:DeepQA、TemplateQA。

来源:www.chinaai.org.cn

关注微信公众号人工智能技术与咨询了解更多!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481667.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

世界元宇宙大会—李伯虎院士主旨报告:工业元宇宙模式、技术与应用初探

来源:北京物联网智能技术应用协会未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)…

国科大高级人工智能+prml4-CNN

文章目录CNN卷积paddingpoolingBP其他CNNResNets残差网络——图像数据应用CNN Hebb学习律(无监督 如果两个神经元在同一时刻被激发,则他们之间的联系应该被强化对神经元的重复刺激,使得神经元之间的突触强度增加 Delta学习律(有监…

深度学习(Deep Learning)

知识关键点 1. 人工智能、深度学习的发展历程 2. 深度学习框架 3. 神经网络训练方法 4. 卷积神经网络,卷积核、池化、通道、激活函数 5. 循环神经网络,长短时记忆 LSTM、门控循环单元 GRU 6. 参数初始化方法、损失函数 Loss、过拟合 7. 对抗生成网…

​Science:灵长类前额叶皮质进化图谱

来源:brainnews相比其它物种,包括亲缘关系非常近的灵长类,我们人类进化出了高级的认知和复杂的社会行为。毋庸置疑,人类大脑是这一切独特变化的中心,而其中的前额叶皮质又格外的引人注目。灵长类的前额叶皮质跟其他物种…

基于深度学习的机器人目标识别和跟踪

如今,深度学习算法的发展越来越迅速,并且在图像处理以及目标对象识别方面已经得到了较为显著的突破,无论是对检测对象的类型判断,亦或者对检测对象所处方位的检测,深度学习算法都取得了远超过传统机器学习算法的准确率…

国科大高级人工智能5-RNN/LSTM/GRU/集束搜索/attention

文章目录BPTTBPTT前向传播长序列循环神经网络LSTM序列到序列的模型集束搜索——近似搜索改进的集束搜索集束搜索的误差分析图到文本注意力模型序列数据建模 输入序列–>输出序列预测序列的下一项(监督) 模糊了监督和非监督 有的cnn对序列不适用&…

揭秘虚拟电厂,它究竟是如何运行的?

来源:新浪科技(ID:techsina)作者:刘丽丽编辑 :韩大鹏与电力调度相关的虚拟电厂再次引发市场关注。日前,国内首家虚拟电厂管理中心深圳虚拟电厂管理中心揭牌,国内虚拟电厂迈入了快速发展新阶段。…

国科大高级人工智能6-GAN

文章目录生成式模型的基础:极大似然估计GANs最终版本问题非饱和博弈DCGAN不同类型的GANconditional GAN无监督条件GAN--cycle GAN对抗学习https://blog.csdn.net/suyebiubiu/category_9372769.html生成式模型的基础:极大似然估计 θ∗argmaxθExpdatalog…

为什么量子力学总是让人感到疑惑?

来源:中科院物理所作者:Paul Austin Murphy翻译:Nothing审校:藏痴我们认为量子粒子很奇怪的主要问题是将量子粒子视为经典粒子而它们的行为却表现得非常非经典。(或者,问题是将量子粒子视为“物体”&#x…

国科大高级人工智能7-命题逻辑

文章目录命题逻辑(语法Syntax)由枚举推理(inference by enumeration区别deduction(形式推演,演绎)作业(定理证明)logics:逻辑,表达信息的形式语言 语法syntax 语义semantics 逻辑…

费爱国院士:中国城市大脑已走在世界前沿,但仍需努力

信息来源:网易科技2022年9月1日,中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》;《城市大脑数字神经元基本规定》等三项团体标准,学会理事长,工…

国科大高级人工智能8-归结原理和horn子句

只有一条规则的推理 resolution(消解,归结) CNF(conjunction normal form合取范式 (A∨B)∧(B∨C)(A∨B)∧(B∨C)(A∨B)∧(B∨C)任何逻辑式都可转化为语义等价的CNF resolution消解(推理规则&…

国科大高级人工智能9-模糊数学和遗传算法

文章目录1.模糊计算笛卡尔积、关系模糊集连续的隶属度函数运算2.evolution 遗传算法1.模糊计算 why模糊 取得精确数据不可能或很困难没有必要获取精确数据 模糊性概念:对象从属的界限是模糊的,随判断人的思维而定 不同人的界定标准不一样 隶属函数&…

周宏仁详解智能革命:“人类不可能瞬间无处不在,但软件可以!”

来源:域名国家工程研究中心 ZDNS“最优秀的人类战斗员也无法抵御以超音速飞行、由人工智能跨地域组织、每秒机动数千次的多台作战装备。人类不可能瞬间无处不在,但软件可以。”近日,信息化百人会顾问、原国家信息化专家咨询委员会常务副主任周…

图灵奖得主Jack Dongarra:高性能计算与AI大融合,如何颠覆科学计算

来源: 智源社区整理:王光华编辑:李梦佳导读:浩瀚的宇宙中两个星云不断彼此接近、融合、再爆炸,这样奇幻的天文景观正是采用高性能计算(HPC)进行建模仿真生成的。在过去的三十年间,高…

国科大高级人工智能10-强化学习(多臂赌博机、贝尔曼)

文章目录多臂赌博机Multi-armed bandit(无状态)马尔科夫决策过程MDP(markov decision process1.动态规划蒙特卡罗方法——不知道环境完整模型情况下2.1 on-policy蒙特卡罗2.2 off-policy蒙特卡罗时序差分方法强化学习:Reinforcement learning…

《Science》封面:华大基因领导构建了世界上第一张大脑再生的时空地图

来源:生物通由华大基因研究院领导的多所研究团队使用华大基因Stereo-seq技术,构建了世界上第一个蝾螈(Ambystoma mexicanum)大脑发育和再生的时空细胞图谱,揭示了脑损伤如何自我愈合。这项研究发表在最新一期的《Science》杂志的封面故事上。…

国科大高级人工智能12-博弈

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注…

科研进展 | 脑智卓越中心揭示神经元与胶质细胞互作参与胶质细胞命运决定的机制...

来源:中科院神经所神经元细胞与胶质细胞是神经系统最主要的两个细胞分类。在神经发育过程中,神经元类型先产生(“神经发生”,neurogenesis),胶质细胞后产生(“胶质发生”,gliogenesi…

国科大高级人工智能-总结

文章目录1.概论2. 搜索A\*最优性三个传教士与野人3.神经网络RBM DBN DBM hopfield比较结构及特性逐层贪婪训练与CDBPGAN4.逻辑一个永远无法归结结束的FOL合取范式规范化归结原理4.1resolution是完备的、可靠的Modus ponens4.1 蕴含与包含的证明蕴含与implication的关系5. 模糊数…