人工智能­­---知识图谱核心技术实践高级培训班2019（10月上海班）

第一节

知识图谱概述

1.1什么是知识图谱

1.2知识图谱的发展历史

1.3国内外典型的知识图谱项目简介

1.4知识图谱的相关技术简介

1.5典型应用案例

第二节

 知识表示与建模

2.1什么是知识表示

2.2早期知识表示方法

2.2.1逻辑

2.2.2产生式规则

2.2.3框架

2.2.4语义网络

2.3基于语义网知识表示框架

2.3.1 RDF和RDFS

2.3.2 OWL和OWL2 Fragments

2.3.3 SPARQL查询语言

2.3.4 Json-LD、RDFa、HTML5 MicroData等新型知识表示

2.4典型知识库项目的知识表示

2.4.1 DBPedia

2.4.2 Freebase

2.4.3 WikiData

2.4.4 ConceptNet

2.5知识图谱设计

2.5.1知识设计方法

2.5.2语义类型设计

2.5.3语义关系设计

2.5.4本体对象设计

2.6开源工具实践：基于Protégé的本体知识建模

第三节

 知识抽取与知识挖掘

3.1知识抽取任务及相关竞赛

3.1.1实体抽取

3.1.2关系抽取

3.1.4事件抽取

3.2面向结构化数据的知识抽取及其相关工具

3.3面向半结构化数据的知识抽取及其相关工具

3.4知识挖掘

3.4.1实体消歧与链接

3.4.2知识规则挖掘

3.4.3知识图谱表示学习

3.5开源工具实践：基于DeepDive的关系抽取实践

第四节

知识存储

4.1图数据库基本知识

4.2常见的图数据库

4.2.1开源数据库介绍

4.2.2商业数据库介绍

4.2.3原生图数据库介绍

4.3图数据库实现细节

4.4开源工具实践：

4.4.1以Apache Jena为例

4.4.2 Neo4j可视化操作基础

第五节

知识融合

5.1什么是知识融合

5.2知识融合的基本技术流程

5.3典型知识融合工具简介

5.3.1框架匹配

5.3.2实体对齐

5.4典型案例简介

5.4.1 Zhishi.me中的实体融合

5.4.2 OpenKG的链接百科

5.5开源工具实践：实体关系发现框架LIMESR

第六节

知识推理

6.1推理概述

6.2本体知识推理简介与任务分类

6.3本体推理方法与工具介绍

6.3.1基于Tableaux运算的方法

6.3.2基于逻辑编程改写的方法

6.3.3基于一阶查询重写的方法

6.3.4基于产生式规则的方法

6.3.5基于并行技术的方法

6.4开源工具实践：基于Jena和Drools的知识推理实践

第七节

语义搜索

7.1语义搜索简介 

7.2语义数据搜索

7.3混合搜索

7.4语义搜索的交互范式

7.5实践展示：使用Elasticsearch实现简单语义数据检索

第八节

知识问答

8.1知识问答技术概述

8.2知识问答系统简史

8.3知识问答的评测数据集

8.4 KBQA基本概念及挑战

8.5知识问答主流方法介绍

第九节（29号）

交流研讨与培训考核