• 学习时长

    10周/建议每周6个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 课程有效期

    一年/告别拖延,温故知新

*课程已报满,可预约下一期

  • 1:知识图谱第七期开课仪式
  • 第1章: 【基础篇】知识图谱概述与知识表示理论基础
  • 第1节: 知识图谱发展背景与发展历程
  • 2-1:【课件】第一章--知识图谱概述与知识表示理论基础
  • 2-2:【视频】知识图谱发展背景与发展历程
  • 第2节: 知识图谱的基本概念、类型和代表性知识图谱
  • 3:【视频】知识图谱的基本概念、类型和代表性知识图谱
  • 第3节: 知识图谱生命周期与应用场景
  • 4:【视频】知识图谱生命周期与应用场景
  • 第4节: 知识图谱中的知识表示
  • 5:【视频】知识图谱中的知识表示
  • 第5节: 实践:基于Protégé的医疗领域本体构建
  • 6-1:【视频】实践基于Protcge的医疗领域本体构建
  • 6-2:基于Protégé的医疗领域本体构建
  • 6-3:【操作示范】Protégé安装与使用
  • 6-4:【资料】Protégé_tutorial
  • 7:【视频】本体编辑实践
  • 第6节: 实践:基于ppt/excel的医疗领域本体构建
  • 8-1:【视频】实践基于ppt、excel的医疗领域本体构建
  • 8-2:【作业文件】基于ppt_excel的医疗领域本体构建
  • 8-3:【作业】第一章
  • 8-4:第一章 思路提示
  • 第2章: 【基础篇】知识图谱中的自然语言处理与爬虫基础
  • 9:【课件】知识图谱中的自然语言处理与爬虫基础
  • 第1节: 词表示模型
  • 10-1:【视频】词向量
  • 10-2:【资料】word2vec中的数学原理详解.pdf
  • 第2节: 实践:word2vec训练及其在语义表示中的应用
  • 11-1:【实践视频】Word2vec实践讲解
  • 11-2:【实践作业】 word2vec训练及其在语义表示中的应用
  • 第3节: 语义组合模型
  • 12:【视频】语义组合模型
  • 第4节: 预训练语言模型
  • 13:【视频】预训练语言模型
  • 第5节: 面向半结构化数据的包装器节解析
  • 14:【视频】面向半结构化数据的爬虫库
  • 第6节: 实践:基于垂直医药网站的疾病百科解析
  • 15-1:【实践视频】垂直百科爬虫实践讲解
  • 15-2:【实践作业】基于垂直医药网站的疾病百科解析
  • 15-3:【作业】第二章
  • 第3章: 【构建篇】知识图谱构建之实体识别
  • 16:【课件】L3 实体识别
  • 第1节: 实体识别任务概述
  • 17:【视频】实体识别任务介绍
  • 第2节: 基于深度学习的实体识别经典方法
  • 18:【视频】基于BiLSTM+CRF的NER方法
  • 19:【视频】基于BERT+CRF的方法
  • 第3节: 前沿研究概述
  • 20-1:【视频】FLAT实体识别
  • 20-2:【视频】 嵌套实体识别
  • 第4节: 实践:基于label-studio进行医疗领域实体训练数据标注
  • 21:【实践资料】基于label-studio进行医疗领域实体训练数据标注
  • 第5节: 实践:基于BERT-BiLSTM+CRF的医疗领域实体识别
  • 22-1:【代码】基于BERT+CRF的医疗领域实体识别.zip
  • 22-2:【视频】基于BERT+CRF的NER实践
  • 22-3:参考代码
  • 第6节: 实践:基于Global-pointer指针网络的医疗领域实体识别
  • 23:【实践资料】基于Global-pointer指针网络的医疗领域实体识别
  • 24-1:【作业】第三章
  • 24-2:第三章 作业思路提示
  • 第4章: 【构建篇】知识图谱构建之实体关系抽取
  • 25-1:【课件】L4 实体关系抽取
  • 25-2:【课件】第四讲--实体关系抽取 II
  • 第1节: 实体关系抽取概述
  • 26:【视频】关系抽取任务介绍及方法分类
  • 第2节: 预定义关系抽取:关系分类
  • 27-1:【视频】传统方法:特征向量法与核函数法
  • 27-2:【视频】基于CNN的方法
  • 第3节: 预定义关系抽取:远程监督关系抽取
  • 28:【视频】远程监督关系抽取经典方法
  • 第4节: 预定义关系抽取:实体关系联合抽取
  • 29:【视频】实体关系联合抽取
  • 第5节: 预定义关系抽取:文档级别关系抽取
  • 30:【视频】文档级别关系抽取方法概述
  • 第6节: 开放式关系抽取
  • 31:【视频】开放式关系抽取方法概述
  • 第7节: 本章小结
  • 32:【视频】本章小结
  • 第8节: 实践:基于label-studio进行医疗领域关系训练数据标注
  • 33:【实践资料】基于label-studio进行医疗领域关系训练数据标注
  • 第9节: 实践:基于Gplinker的joint式医疗领域实体关系抽取
  • 34-1:【实践资料】基于Gplinker的joint式医疗领域实体关系抽取
  • 34-2:【作业】第四章
  • 34-3:第四章 作业思路提示
  • 第5章: 【构建篇】知识图谱构建之实体对齐
  • 35:【课件】第5讲 实体对齐
  • 第1节: 为什么需要实体对齐
  • 36:【视频】实体对齐引入
  • 第2节: 传统的实体对齐方法概述
  • 37:【视频】传统实体对齐方法
  • 第3节: 基于嵌入的实体对齐方法
  • 38-1:【视频】基于嵌入的实体对齐方法
  • 38-2:【视频】知识图谱流程回顾
  • 第4节: 常用工具:Silk与openEA
  • 39:【视频】常用工具
  • 第5节: 实践:基于Silk的实体对齐动手实践
  • 40:【实践】SILK实体对齐实践
  • 第6节: 实践:基于openEA的实体对齐动手实践
  • 41-1:【实践】OpenEA 对齐
  • 41-2:【作业】第五章
  • 第6章: 【构建篇】知识图谱应用之基于neo4j的知识图谱存储
  • 42:【课件】第六章 知识图谱应用之基于neo4j的知识图谱存储
  • 第1节: 本章内容介绍
  • 43:【视频】本章内容
  • 第2节: 知识图谱数据模型:RDF图&属性图Neo4J
  • 44-1:【视频】RDF图
  • 44-2:【视频】属性图
  • 第3节: 知识图谱数据的存储:基于关系的知识图谱存储管理、原生知识图谱存储管理
  • 45:【视频】基于关系数据库与图数据库的存储
  • 第4节: 实践:基于cypher语句的医疗领域知识图谱存储
  • 46-1:【视频】实践内容简介
  • 46-2:【代码】基于cypher语句的知识图谱存储
  • 第5节: 实践:基于neo4j-import/load csv的医疗领域知识图谱存储
  • 47-1:【代码】基于neo4j-import_load csv的知识图谱存储
  • 47-2:【作业】第六章
  • 47-3:第六章作业思路提示
  • 第7章: 【应用篇】知识图谱应用之基于知识图谱的检索、图计算与可视化
  • 48:【课件】第七章 知识图谱应用之基于知识图谱的检索、图计算与可视化
  • 49:【视频】SPARQL与Cypher查询语言介绍
  • 第1节: 基于图数据库的常见支撑应用场景概述
  • 50:【视频】基于图数据库的常见支撑应用场景概述
  • 第2节: 基于知识图谱的检索、图计算与可视化开源工具
  • 51:【视频】基于知识图谱的图计算与可视化开源工具介绍
  • 第3节: 实践:基于neo4j的图谱实体搜索与路径查询
  • 52:【视频】实践内容简介
  • 第4节: 实践:基于neo4j的代表性图算法实操
  • 53:基于neo4j的代表性图算法实操
  • 第5节: 实践:基于vis-js的知识图谱可视化分析
  • 54-1:基于vis-js的知识图谱可视化展示
  • 54-2:【作业】第七章
  • 54-3:第七章作业思路提示
  • 第8章: 【应用篇】知识图谱应用之基于知识图谱的规则式/分布式知识推理
  • 55:【课件】知识图谱应用之基于知识图谱的规则式分布式知识推理
  • 第1节: 本章内容介绍
  • 56:【视频】章节内容介绍
  • 第2节: 知识图谱推理的典型应用场景
  • 57:【视频】 五大应用场景
  • 第3节: 知识推理的典型实现方式
  • 58: 【视频】两种实现范式
  • 第4节: 基于符号规则的推理方法
  • 59:【视频】基于符号规则的推理方法
  • 第5节: 基于分布式表示的推理方法
  • 60-1:【视频】基于分布式表示的推理方法
  • 60-2:【资料】基于神经网络的知识推理研究综述.pdf
  • 第6节: 知识图谱推理相关技术测评
  • 61:【视频】 相关技术评测
  • 第7节: 实践:基于amazon-DGLKE的医疗领域知识图谱嵌入
  • 62:【实践资料】基于Amazon-DGLKE的医疗领域知识图谱嵌入
  • 第8节: 实践:基于neo4j图数据库与推理规则配置的知识推理
  • 63:【实践资料】基于neo4j图数据与推理规则配置的知识推理
  • 第9节: 实践:基于医疗领域知识图谱嵌入的链接预测知识推理
  • 64-1:【实践资料】基于医疗领域知识图谱嵌入的链接预测知识推理
  • 64-2:【作业】第八章
  • 第9章: 【应用篇】知识图谱应用之基于知识图谱的规则/深度学习式知识问答
  • 65:【课件】知识图谱应用之基于知识图谱的规则/深度学习式知识问答
  • 第1节: 自动问答概述及其核心技术
  • 66:【视频】自动问答概述
  • 第2节: 检索式问答系统及其核心技术
  • 67:【视频】 检索式问答系统技术
  • 第3节: 基于知识图谱的问答系统核心技术
  • 68:【视频】基于知识图谱的问答系统核心技术
  • 第4节: 融合知识库与大模型的问答系统核心技术
  • 69:【视频】融合知识库与大模型的问答系统核心技术
  • 第5节: 知识图谱问答相关技术评测
  • 70:【视频】知识图谱问答相关技术评测
  • 第6节: 实践:基于医疗领域知识图谱的规则匹配式问答系统
  • 71:【实践资料】基于医疗领域知识图谱的规则匹配式问答系统
  • 第7节: 实践:基于医疗领域知识图谱的深度学习式问答系统
  • 72-1:【实践资料】基于医疗领域知识图谱的深度学习式问答系统
  • 72-2:【作业】第九章

 

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》