图数据库与知识图谱
|
5188 次浏览  35 次
|
|
|
| 地点时间：北京 6月20-21日；上海、深圳根据报名开班 |
| 课程费用：5700元/人 |
|
|
|
| 企业内训：可以根据企业需求,定制内训,详见
内训学习手册 |
|
在大数据时代，不断挖掘数据蕴含的知识才能让数据产生更多价值。这涉及到 2 个方面：
• 如何把数据梳理并存放在合适的数据库中，
• 如何对数据进行知识发现建立知识图谱
本课程关注图数据库和知识图谱，讲解如何对原始数据整合，知识抽取，建立知识图谱，并应用知识图谱实现业务的优化和升级。
|
| 培训目标： |
1 、了解知识图谱基础 — 知识表示与建模
2 、学习知识图谱核心技术
• 知识源数据的获取
• 知识抽取
• 知识融合
• 知识推理
• 知识存储
通过案例了解知识图谱的应用方法
• 案例1：使用neo4j从零搭建简单的音乐知识图谱
• 案例2：基于知识图谱的问答机器人
• 案例3：基于法律领域的知识图谱
|
| 培训对象：知识工程师，大数据工程师 |
| 学员基础：熟悉数据库一般基础知识 |
| 授课方式：讲师讲授+案例解析+互动交流+现场答疑 |
| 培训内容：2天
|
| 主题 |
课程安排 |
| 知识图谱基础 — 知识表示与建模 |
知识表示概述
知识表示框架
知识图谱的发展历史
知识表示方法
RDF 、 RDFs 、本体建模
RDF 序列化方法
利用 Protégé 进行本体建模
|
| 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
案例：
QQ 音乐信息爬取实战
使用爬虫获取歌星、歌曲和专辑等信息
|
| 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
RNN 、 LSTM 、 Word2Vec 、 Transformer 、 CRF 、 Bert 等技术
天池中医说明书实体识别
DeepDive 关系抽取实战
基于模板完成事件抽取
|
| 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
案例：
使用 jieba 完成公司名的实体统一
使用 tf-idf 完成实体消歧
|
| 知识图谱核心技术：知识推理 |
本体知识推理简介与任务分类
本体推理方法与工具介绍
案例：
使用 Jena 进行知识推理
|
| 知识图谱核心技术：知识存储 |
知识存储常用数据库
Apache Jena 数据库
Jena 数据库的安装与部署
SPARQL 语言
Cypher 语言
|
| 图数据库 |
什么是图数据库
图数据库组织原理
图数据库的访问方法
如何利用图数据库存储知识图谱
如何利用图数据库构建知识图谱
|
| 知识图谱案例 |
音乐知识图谱
图数据库 neo4j
neo4j 的安装与部署
neo4j 药品成分知识图谱
|
| 案例 1 ：使用 neo4j 从零搭建简单的音乐知识图谱 |
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
项目展示
|
| 案例 3 ：基于法律领域的知识图谱 |
项目背景
数据模型设计
原始数据获取
构建知识图谱
展示知识图谱
|
|
| |
