| 模塊1：知識(shí)圖譜概論 |
1. 知識(shí)圖譜的起源和歷史
2. 典型知識(shí)庫項(xiàng)目簡介
3. 知識(shí)圖譜應(yīng)用簡介
4. 本課程覆蓋的主要范圍：知識(shí)表示與建模、知識(shí)抽取與挖掘、知識(shí)存儲(chǔ)、知識(shí)融合、知識(shí)推理、語義搜索、知識(shí)問答和行業(yè)知識(shí)圖譜應(yīng)用剖析等內(nèi)容。 |
| 模塊2：知識(shí)表示與知識(shí)建模 |
1. 早期知識(shí)表示簡介
2. 基于語義網(wǎng)的知識(shí)表示框架
- RDF和RDFS
- OWL和OWL2 Fragments
- SPARQL查詢語言
- Json-LD、RDFa、HTML5 MicroData等新型知識(shí)表示
3. 典型知識(shí)庫項(xiàng)目的知識(shí)表示
4. 基于本體工具（Protege）的知識(shí)建模最佳實(shí)踐 |
| 模塊3：知識(shí)抽取與挖掘I |
1. 知識(shí)抽取任務(wù)定義和相關(guān)比賽：實(shí)體識(shí)別、關(guān)系抽取和事件抽取
2. 面向結(jié)構(gòu)化數(shù)據(jù)（關(guān)系數(shù)據(jù)庫）的知識(shí)抽取，包括D2RQ和R2RML等轉(zhuǎn)換與映射規(guī)范與技術(shù)介紹
3. 面向半結(jié)構(gòu)化數(shù)據(jù)（Web tables, 百科站點(diǎn)等）的知識(shí)抽取
- 基于正則表達(dá)式的方法
- Bootstrapping和Wrapper Induction介紹
4. 實(shí)踐展示：基于百科數(shù)據(jù)的知識(shí)抽取
? |
| 模塊4：知識(shí)抽取與挖掘II |
1. 面向非結(jié)構(gòu)化數(shù)據(jù)（文本）的知識(shí)抽取
a. 基于本體的知識(shí)抽取，包括NELL和DeepDive系統(tǒng)介紹
b. 開放知識(shí)抽取，包括TextRunner、Reverb和OLLIE等系統(tǒng)介紹
2. 知識(shí)挖掘
- 知識(shí)內(nèi)容挖掘：實(shí)體消歧與鏈接
- 知識(shí)結(jié)構(gòu)挖掘：關(guān)聯(lián)規(guī)則挖掘與社區(qū)發(fā)現(xiàn)
- 知識(shí)表示學(xué)習(xí)與鏈接預(yù)測(cè)，包括TransE和PRA等算法介紹
|
| 模塊5：知識(shí)存儲(chǔ) |
1. 基于關(guān)系數(shù)據(jù)庫的存儲(chǔ)設(shè)計(jì)，包括各種表設(shè)計(jì)和索引建立策略
2. 基于RDF的圖數(shù)據(jù)庫介紹
- 開源數(shù)據(jù)庫：Apache Jena、Sesame、gStore、RDF-3X等
- 商業(yè)數(shù)據(jù)庫：Virtuoso、AllegroGraph、BlazeGraph等
3. 原生圖數(shù)據(jù)庫介紹，包括Neo4j、OrientDB、Titan和Cayley等
4. 實(shí)踐展示：使用Apache Jena存儲(chǔ)百科知識(shí)，并使用Fuseki構(gòu)建圖譜查詢服務(wù) |
| 模塊6：知識(shí)融合 |
1. 知識(shí)融合任務(wù)定義和相關(guān)競(jìng)賽：本體對(duì)齊和實(shí)體匹配
2. 本體對(duì)齊基本流程和常用方法
- 基于Linguistic的匹配
- 基于圖結(jié)構(gòu)的匹配
- 基于外部知識(shí)庫的匹配
3. 實(shí)體匹配基本流程和常用方法
- 基于分塊的多階段匹配
- 基于規(guī)則（配置或通過學(xué)習(xí)）的實(shí)體匹配
4. 知識(shí)融合工具介紹：包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault
5. 實(shí)踐展示：使用Falcon-AO融合百度百科與維基百科中的知識(shí) |
| 模塊7：知識(shí)推理 |
1. 本體知識(shí)推理簡介與任務(wù)分類，包括概念可滿足性、概念包含、實(shí)例分類和一致性檢測(cè)等
2. 本體推理方法與工具介紹
- 基于Tableaux運(yùn)算的方法：Fact++、Racer、Pellet和Hermit等
- 基于一階查詢重寫的方法：Ontology-based Data Access的Ontop等
- 基于產(chǎn)生式規(guī)則的方法（如Rete)：Jena、Sesame和OWLIM等
- 基于邏輯編程（如Datalog）改寫的方法：KAON2和RDFox等
3. 實(shí)踐展示：使用Jena完成百科知識(shí)上的上下位推理、缺失類別補(bǔ)全和一致性檢測(cè)等 |
| 模塊8：語義搜索 |
1.語義搜索概述，包括Knowledge Card、Rich Snippet、Facebook Graph Search等
2. 基于語義標(biāo)注的網(wǎng)頁搜索
- Web Data Commons項(xiàng)目介紹
- 排序算法介紹，擴(kuò)展BM25
3. 基于圖譜的知識(shí)搜索
- 本體搜索（ontology lookup）
- 探索式知識(shí)檢索，包括查詢構(gòu)造、結(jié)果排序和分面（facets）推薦
4. 知識(shí)可視化，包括本體、查詢、結(jié)果等的展現(xiàn)方式和可視化分析
5. 實(shí)踐展示：使用ElasticSearch實(shí)現(xiàn)百科數(shù)據(jù)的語義搜索 |
| 模塊9：知識(shí)問答I |
1. 知識(shí)問答概述和相關(guān)數(shù)據(jù)集（QALD和WebQuestions）
2. 知識(shí)問答基本流程
3. 知識(shí)問答主流方法介紹
- 基于模板的方法，包括模板定義、模板生成和模板匹配等步驟
- 基于語義解析的方法，包括資源映射，邏輯表達(dá)式候選生成與排序等
- 基于深度學(xué)習(xí)的方法
|
| 模塊10：知識(shí)問答II |
1. IBM Watson問答系統(tǒng)及核心組件詳細(xì)解讀
- 問句理解
- 候選答案生成
- 基于證據(jù)的答案排序
2. 實(shí)踐展示：面向百科知識(shí)的問答baseline實(shí)現(xiàn) |
| 模塊11：行業(yè)知識(shí)圖譜應(yīng)用 |
1. 行業(yè)知識(shí)圖譜特點(diǎn)
2. 行業(yè)知識(shí)圖譜應(yīng)用，包括金融、醫(yī)療、數(shù)字圖書館等領(lǐng)域應(yīng)用
3. 行業(yè)知識(shí)圖譜構(gòu)建與應(yīng)用的挑戰(zhàn)
4. 行業(yè)知識(shí)圖譜生命周期定義和關(guān)鍵組件
? |
