📁 知识点
📄 📄 📄 📄 📄 📄 📄 📄 📄 📄 📄 📄
第一讲 · 知识图谱概述
从数据、信息与知识的区别出发，理解知识图谱的结构、发展、应用、构建流程与存储边界
#数学
第二讲 · 知识表示：从符号、本体到语义网
串联逻辑、语义网络、本体、RDF、RDFS、OWL、SPARQL、JSON-LD、属性图与分布式表示
#数学
第三讲 · 知识抽取总论：从数据到三元组
知识抽取的任务、评测与爬虫基础，以及使用 DM、R2RML 和 OBDA 将关系数据库映射为 RDF
#数学
第四讲 · 半结构化知识抽取
从百科页面和网络表中抽取、阐释知识，理解包装器、实体链接、消歧与 PageRank 的完整流程
#数学
第五讲 · 非结构化知识抽取：NER、关系与事件
从序列标注和 BiLSTM-CRF 出发，系统理解实体识别、关系抽取、事件抽取及流水线与联合方法
#数学
第六讲 · NER 前沿与 LLM 知识抽取
梳理低资源、持续、嵌套、跨领域与多模态 NER，并限定理解 LLM 过滤—重排实验的结论
#数学
第七讲 · 知识图谱融合
从语言与模型异构出发，理解本体映射、实例匹配、实体消歧与跨图谱实体对齐
#数学
第八讲 · 知识存储与检索
对比 RDF 与属性图的数据模型，掌握 SPARQL、Cypher、Neo4j 增删改查及批量导入
#数学
第九讲 · 知识推理：规则、路径与大模型
从四类一般推理出发，掌握规则学习、PCA 置信度、PRA、强化学习多跳推理与 Think on Graph
#数学
第十讲 · 知识表示学习与推理基础
从知识图谱补全出发，理解 TransE、路径与规则增强、类型与文本信息，以及强化学习、低资源、多模态和时序推理
#数学
第十一讲 · 复杂场景下的知识表示学习与推理
从复杂关系建模扩展到静态、动态、时序、多模态、低资源与归纳式知识图谱推理
#数学
第十二讲 · 知识图谱应用
串联知识图谱问答、时序推理、可解释推荐、视觉推理与医疗、商业和安全领域案例
#数学