感谢东南大学汪鹏老师在github上开源自己的授课课件https://github.com/npubird/KnowledgeGraphCourse/blob/master/README.md
学习进度2019.10.28
pub-1 知识图谱A B C
课件下载:partA partB partC
1.了解并学习了知识图谱的概念知识
2.了解经典知识图谱
3.了解知识图谱应用
学习进度2019.10.30
pub-2 知识表示
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
学习进度2019.11.09
pub-3 知识建模
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
学习进度2019.11.11
pub-4 知识抽取基础-问题和方法
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 面向非结构化数据的知识抽取
学习进度2019.11.12
pub-5 知识抽取-数据采集
5.1 数据采集原理和技术
- 爬虫原理
- 请求与响应
- 多线程并行爬取
- 反爬机制用对
5.2 数据采集实践
- 百科 论坛 社交网路爬取实践
学习进度2019.11.14
pub-6 知识抽取-命名实体识别
6.1 实体识别的概念
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
学习进度2019.11.22
pub-7 知识抽取-关系抽取
7.1 关系抽取简介
7.2 语义关系
7.3 关系抽取中的特征
7.4 关系抽取数据集
7.5 基于模板的关系抽取
7.6 有监督实体关系抽取
7.7 弱监督实体关系抽取
7.8 远程监督实体关系抽取
7.9 无监督实体关系抽取
7.10 基于深度学习的关系抽取
学习进度2019.11.25
pub-8 知识抽取-事件抽取
8.1 事件抽取基本概念
8.2 基于规则和模板的方法
8.3 基于机器学习的方法
8.4 基于深度学习的方法
8.5 基于知识库的方法
8.6 基于强化学习的方法
学习进度2019.11.27
pub-9 知识抽取-知识融合
9.1 问题分析
9.2 解决思路
- 本体匹配
学习进度2019.11.30
pub-10 知识图谱表示学习
10.1 知识表示学习的概念及意义
10.2 知识表示学习代表模型
- 基于距离的模型
- 基于翻译的模型
- 语义匹配信息
- 融合多元信息的模型
- 最新进展
10.3 模型评测
10.4 知识表示学习的挑战
学习进度2019.12.01
pub-11 知识存儲
11.1 知识存储概述
11.2 图数据库管理系统
- 属性图模型
- 常见的图数据库
- 图数据库查询语言
11.3 RDF存储系统
- RDF三元组模型
- 常见的RDF数据库
- RDF查询语言（SPARQL）
11.4 基于关系数据库的存储方案
11.5 总结
pub-12 知识问答略过
学习进度2019.12.02
pub-13 知识链接
13.1 实体链接背景场景
13.2 实体链接方法介绍
- 基于概率生成模型的方法
- 基于主题模型的方法
- 基于图的方法
- 基于深度学习的方法
- 无监督方法
学习进度2019.12.03
pub-14 知识推理
14.1 知识推理背景场景
14.2 知识推理方法简介
- 基于逻辑的方法
- 基于机器学习的方法
- 基于神经网络的方法