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
课程价格：
￥999.00
预约下一期 *课程已报满，可预约下一期
支持花呗分期
*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
