课程价格 :
¥999.00
剩余名额
0
-
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
- 1:知识图谱开课仪式
- 2-1:【问题文档】知识图谱直播答疑问题收集
- 2-2:【视频】3.29号直播答疑
- 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
- 3-1:【课件】第一章--知识图谱概述与知识表示理论基础
- 3-2:【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
- 4:【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
- 5:【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
- 6:【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
- 7-1:【视频】实践基于Protcge的医疗领域本体构建
- 7-2:基于Protégé的医疗领域本体构建
- 7-3:【操作示范】Protégé安装与使用
- 7-4:【资料】Protégé_tutorial.rar
- 8:【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
- 9-1:【视频】实践基于ppt、excel的医疗领域本体构建
- 9-2:【作业文件】基于ppt_excel的医疗领域本体构建
- 9-3:【作业】第一章
- 9-4:【作业提示】第一章作业提示
- 第2章: 【基础篇】知识图谱中的自然语言处理与爬虫基础
- 10:【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
- 11-1:【视频】词向量
- 11-2:【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
- 12-1:【实践视频】Word2vec实践讲解
- 12-2:【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
- 13:【视频】语义组合模型
- 第4节: 预训练语言模型
- 14:【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
- 15:【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
- 16-1:【实践视频】垂直百科爬虫实践讲解
- 16-2:【实践作业】基于垂直医药网站的疾病百科解析
- 16-3:【作业】第二章
- 第3章: 【构建篇】知识图谱构建之实体识别
- 17:【课件】L3 实体识别
- 第1节: 实体识别任务概述
- 18:【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
- 19:【视频】基于BiLSTM+CRF的NER方法
- 20:【视频】基于BERT+CRF的方法
- 第3节: 前沿研究概述
- 21-1:【视频】FLAT实体识别
- 21-2:【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
- 22:【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
- 23-1:【代码】基于BERT+CRF的医疗领域实体识别.zip
- 23-2:【视频】基于BERT+CRF的NER实践
- 23-3:参考代码
- 第6节: 实践:基于Global-pointer指针网络的医疗领域实体识别
- 24-1:【实践资料】基于Global-pointer指针网络的医疗领域实体识别
- 24-2:【作业】第三章
- 第4章: 【构建篇】知识图谱构建之实体关系抽取
- 25:【课件】L4 实体关系抽取.pdf
- 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
- 31-1:【视频】开放式关系抽取方法概述
- 31-2:【作业】第四章
- 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pure的pipeline式医疗领域关系抽取
- 第10节: 实践:基于Gplinker的joint式医疗领域实体关系抽取
- 34:【实践资料】基于Gplinker的joint式医疗领域实体关系抽取
- 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
- 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.zip
- 第5节: 实践:基于vis-js的知识图谱可视化分析
- 54:基于vis-js的知识图谱可视化展示.zip
- 55:【作业】第七章
- 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
- 56:【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
- 57:【视频】章节内容介绍
- 第2节: 知识图谱推理的典型应用场景
- 58:【视频】 五大应用场景
- 第3节: 知识推理的典型实现方式
- 59: 【视频】两种实现范式
- 第4节: 基于符号规则的推理方法
- 60:【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
- 61-1:【视频】基于分布式表示的推理方法
- 61-2:【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
- 62:【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
- 63:【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
- 64:【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
- 65:【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
- 66:【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
- 67:【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
- 68:【视频】自动问答概述
- 第2节: 检索式问答系统及其核心技术
- 69:【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
- 70:【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
- 71:【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
- 72:【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
- 73:【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
- 74:【实践资料】基于医疗领域知识图谱的深度学习式问答系统
- 75:【作业】第九章