第

一

天

一、知識(shí)圖譜概論

1.1知識(shí)圖譜的起源和歷史

1.2知識(shí)圖譜的發(fā)展史——從框架、本體論、語義網(wǎng)、鏈接數(shù)據(jù)到知識(shí)圖譜

1.3知識(shí)圖譜的本質(zhì)和價(jià)值

1.4知識(shí)圖譜VS傳統(tǒng)知識(shí)庫VS關(guān)系數(shù)據(jù)庫

1.5經(jīng)典的知識(shí)圖譜

1.5.1經(jīng)典的CYC, WordNnet, WikiData, DBpedia, YAGO, NELL等知識(shí)庫

1.5.2行業(yè)知識(shí)圖譜：

Google知識(shí)圖譜，微軟實(shí)體圖，阿里知識(shí)圖譜，醫(yī)學(xué)知識(shí)圖譜，基因知識(shí)圖譜等知識(shí)圖譜項(xiàng)目

二、知識(shí)圖譜應(yīng)用

2.1知識(shí)圖譜應(yīng)用場(chǎng)景

2.2知識(shí)圖譜應(yīng)用簡(jiǎn)介

2.2.1知識(shí)圖譜在數(shù)字圖書館上的應(yīng)用 ??

2.2.2知識(shí)圖譜在國防、情報(bào)、公安上的應(yīng)用

2.2.3知識(shí)圖譜在金融上的應(yīng)用 ????????

2.2.4知識(shí)圖譜在電子商務(wù)中的應(yīng)用

2.2.5知識(shí)圖譜在農(nóng)業(yè)、醫(yī)學(xué)、法律等領(lǐng)域的應(yīng)用

2.2.6知識(shí)圖譜在制造行業(yè)的應(yīng)用

2.2.7知識(shí)圖譜在大數(shù)據(jù)融合中的應(yīng)用 ??

2.2.8知識(shí)圖譜在人機(jī)交互（智能問答）中的應(yīng)用

三、知識(shí)表示與知識(shí)建模

3.1知識(shí)表示概念

3.2 知識(shí)表示方法

a.語義網(wǎng)絡(luò) b.產(chǎn)生式規(guī)則 c.框架系統(tǒng) d.描述邏輯 e.本體 f.RDF和RDFS

g.OWL和OWL2 Fragments ??h.SPARQL查詢語言

i.Json-LD、RDFa、HTML5 MicroData等新型知識(shí)表示

3.3典型知識(shí)庫項(xiàng)目的知識(shí)表示

3.4知識(shí)建模方法學(xué)

3.5知識(shí)表示和知識(shí)建模實(shí)踐

1.三國演義知識(shí)圖譜的表示和建模實(shí)踐案例

2.學(xué)術(shù)知識(shí)圖譜等

第

二

天

四、知識(shí)抽取與挖掘

4.1知識(shí)抽取基本問題

a.實(shí)體識(shí)別 b.關(guān)系抽取 c.事件抽取

4.2數(shù)據(jù)采集和獲取

4.3面向結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

a.D2RQ ????b.R2RML

4.4面向半結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

??a.基于正則表達(dá)式的方法 ?b.基于包裝器的方法

4.5.面向非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

a.實(shí)體識(shí)別技術(shù)（基于規(guī)則、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、預(yù)訓(xùn)練等方法）

b.關(guān)系抽取技術(shù)（基于模板、監(jiān)督、遠(yuǎn)程監(jiān)督、深度學(xué)習(xí)等方法）

c.事件抽取技術(shù)（基于規(guī)則、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法）

4.6.知識(shí)挖掘

a.實(shí)體消歧b.實(shí)體鏈接c.類型推斷 d.知識(shí)表示學(xué)習(xí)

4.7知識(shí)抽取上機(jī)實(shí)踐

A.面向半結(jié)構(gòu)化數(shù)據(jù)的三國演義知識(shí)抽取

B.面向文本的三國演義知識(shí)抽取

C.人物關(guān)系抽取

第

二

天

五、知識(shí)融合

5.1知識(shí)融合背景

5.2知識(shí)異構(gòu)原因分析

5.3知識(shí)融合解決方案分析

5.4.本體對(duì)齊基本流程和常用方法

a.基于文本的匹配 b.基于圖結(jié)構(gòu)的匹配 c.基于外部知識(shí)庫的匹配

e.不平衡本體匹配 d.跨語言本體匹配 ??f.弱信息本體匹配

5.5實(shí)體匹配基本流程和常用方法

??a.基于相似度的實(shí)例匹配 ??b.基于規(guī)則或推理的實(shí)體匹配

c.基于機(jī)器學(xué)習(xí)的實(shí)例匹配 d.大規(guī)模知識(shí)圖譜的實(shí)例匹配

(1)基于分塊的實(shí)例匹配

(2)無需分塊的實(shí)例匹配

(3)大規(guī)模實(shí)例匹配的分布式處理

5.6 知識(shí)融合上機(jī)實(shí)踐

1.百科知識(shí)融合 ?

2.OAEI知識(shí)融合任務(wù)

第

三

天

六、存儲(chǔ)與檢索

6.1.知識(shí)圖譜的存儲(chǔ)與檢索概述

6.2.知識(shí)圖譜的存儲(chǔ)

??a.基于表結(jié)構(gòu)的存儲(chǔ) ???????b.基于圖結(jié)構(gòu)的存儲(chǔ)

6.3.知識(shí)圖譜的檢索

a.關(guān)系數(shù)據(jù)庫查詢：SQL語言 ?b數(shù)據(jù)庫查詢：SPARQL語言 ??

6.4.上機(jī)實(shí)踐案例：利用GraphDB完成知識(shí)圖譜的存儲(chǔ)與檢索

七、知識(shí)推理

7.1.知識(shí)圖譜中的推理技術(shù)概述

7.2.歸納推理：學(xué)習(xí)推理規(guī)則

??a.歸納邏輯程設(shè)計(jì)?b.關(guān)聯(lián)規(guī)則挖掘 ?c.路徑排序算法

上機(jī)實(shí)踐案例：利用AMIE+算法完成Freebase數(shù)據(jù)上的關(guān)聯(lián)規(guī)則挖掘

7.3.演繹推理：推理具體事實(shí)

? ?a.馬爾可夫邏輯網(wǎng) b.概率軟邏輯

7.4.基于分布式表示的推理

a.?TransE模型及其變種 ????????b.RESCAL模型及其變種

c.（深度）神經(jīng)網(wǎng)絡(luò)模型介紹 ???d.表示學(xué)習(xí)模型訓(xùn)練

7.5.上機(jī)實(shí)踐案例：利用分布式知識(shí)表示技術(shù)完成Freebase上的鏈接預(yù)測(cè)

第

四

天

八、語義搜索

8.1.語義搜索概述

8.2.搜索關(guān)鍵技術(shù)

a.索引技術(shù)：倒排索引 ???

b.排序算法：BM25及其擴(kuò)展

8.3.知識(shí)圖譜搜索

a.實(shí)體搜索

b.關(guān)聯(lián)搜索

8.4.知識(shí)可視化 ?a.摘要技術(shù)

8.5.上機(jī)實(shí)踐案例：SPARQL搜索

九、知識(shí)問答

9.1.知識(shí)問答概述 ??????????????????????

9.2.知識(shí)問答基本流程

9.3.相關(guān)測(cè)試集：QALD、WebQuestions等

9.4.知識(shí)問答關(guān)鍵技術(shù)

???a.基于模板的方法 ??

?b.語義解析

???c.基于深度學(xué)習(xí)的方法

9.5.上機(jī)實(shí)踐案例：DeepQA、TemplateQA