知识图谱建模与应用培训

知识图谱基础—知识表示

知识表示概述
知识表示框架RDF、RDFS、OWL和OWL2
典型知识库项目的知识表示和模型设计方法
基于本体工具protégé的知识建模实战

知识图谱核心技术：知识源数据的获取

结构化数据的获取
非结构化数据的获取
将mysql数据导出为图谱源数据
股票吧信息爬取实战
使用爬虫获取企业法人等信息
获取企业风险知识图谱源数据

知识图谱核心技术：知识抽取

知识抽取概述
实体抽取技术：基于命名实体、基于关键词
关系抽取技术
事件抽取技术
使用hanlp抽取法人名称、企业名称等信息
使用TextRank算法完成知识抽取
使用句法依存算法关系抽取
基于模板完成事件抽取
基于DeepDive关系抽取实战

知识图谱核心技术：知识融合

知识融合概述
实体统一
实体消歧
知识合并
使用jieba完成公司名的实体统一
使用tf-idf完成实体消歧
基于Limes框架的实体关系链接发现实战

知识图谱核心技术：知识存储

知识存储常用数据库
图数据库neo4j
neo4j的安装与部署
neo4j实战操作
使用neo4j工具导入知识图谱

知识图谱核心技术：知识推理

知识推理方法概述
本体构建
知识推理
基于Jena的知识推理实战

时间序列分析与循环网络

时间序列分类
时间序列模型
循环神经网络RNN
长短期记忆模型LSTM
基于RNN的时间序列预测分析
案例分析与实战

行为识别与预测

行为识别概述
单流网络
双流网络
基于CNN-LSTM方法的行为识别
时空图卷积STGCN
案例分析与实战

案例分析

案例1：使用neo4j从零搭建汽车领域简单的知识图谱
项目背景
数据模型设计
使用爬虫获取原始数据
构建知识图谱
展示知识图谱
案例2：基于知识图谱的问答机器人
项目背景
项目架构
基于检索与知识图谱相结合的功能模块
基于句子相似度的功能模块