一、知識(shí)圖譜概論 ? ? ? ?

1.1知識(shí)圖譜的起源和歷史
1.2知識(shí)圖譜的發(fā)展史——從框架、本體論、語(yǔ)義網(wǎng)、鏈接數(shù)據(jù)到知識(shí)圖譜
1.3知識(shí)圖譜的本質(zhì)和價(jià)值
1.4知識(shí)圖譜VS傳統(tǒng)知識(shí)庫(kù)VS關(guān)系數(shù)據(jù)庫(kù)
1.5經(jīng)典的知識(shí)圖譜
1.5.1經(jīng)典的CYC, WordNnet, WikiData, DBpedia, YAGO, NELL等知識(shí)庫(kù)
1.5.2行業(yè)知識(shí)圖譜：
Google知識(shí)圖譜，微軟實(shí)體圖，阿里知識(shí)圖譜，醫(yī)學(xué)知識(shí)圖譜，基因知識(shí)圖譜等知識(shí)圖譜項(xiàng)目
二、知識(shí)圖譜應(yīng)用 ? ? ? ?

2.1知識(shí)圖譜應(yīng)用場(chǎng)景
2.2知識(shí)圖譜應(yīng)用簡(jiǎn)介
2.2.1知識(shí)圖譜在數(shù)字圖書(shū)館上的應(yīng)用 ??
2.2.2知識(shí)圖譜在國(guó)防、情報(bào)、公安上的應(yīng)用
2.2.3知識(shí)圖譜在金融上的應(yīng)用 ? ? ? ??
2.2.4知識(shí)圖譜在電子商務(wù)中的應(yīng)用
2.2.5知識(shí)圖譜在農(nóng)業(yè)、醫(yī)學(xué)、法律等領(lǐng)域的應(yīng)用
2.2.6知識(shí)圖譜在制造行業(yè)的應(yīng)用
2.2.7知識(shí)圖譜在大數(shù)據(jù)融合中的應(yīng)用 ??
2.2.8知識(shí)圖譜在人機(jī)交互（智能問(wèn)答）中的應(yīng)用
三、知識(shí)表示與知識(shí)建模 ? ? ??

3.1知識(shí)表示概念
3.2 知識(shí)表示方法
a.語(yǔ)義網(wǎng)絡(luò) b.產(chǎn)生式規(guī)則 c.框架系統(tǒng) d.描述邏輯 e.本體 f.RDF和RDFS
g.OWL和OWL2 Fragments ? h.SPARQL查詢(xún)語(yǔ)言
i.Json-LD、RDFa、HTML5 MicroData等新型知識(shí)表示
3.3典型知識(shí)庫(kù)項(xiàng)目的知識(shí)表示
3.4知識(shí)建模方法學(xué)
3.5知識(shí)表示和知識(shí)建模實(shí)踐
1.三國(guó)演義知識(shí)圖譜的表示和建模實(shí)踐案例
2.學(xué)術(shù)知識(shí)圖譜等
四、知識(shí)抽取與挖掘 ? ? ? ?

4.1知識(shí)抽取基本問(wèn)題
a.實(shí)體識(shí)別 b.關(guān)系抽取 c.事件抽取
4.2數(shù)據(jù)采集和獲取
4.3面向結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取
a.D2RQ ? ? b.R2RML
4.4面向半結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取
?a.基于正則表達(dá)式的方法 ?b.基于包裝器的方法
4.5.面向非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取
a.實(shí)體識(shí)別技術(shù)（基于規(guī)則、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、預(yù)訓(xùn)練等方法）
b.關(guān)系抽取技術(shù)（基于模板、監(jiān)督、遠(yuǎn)程監(jiān)督、深度學(xué)習(xí)等方法）
c.事件抽取技術(shù)（基于規(guī)則、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法）
4.6.知識(shí)挖掘
a.實(shí)體消歧b.實(shí)體鏈接c.類(lèi)型推斷 d.知識(shí)表示學(xué)習(xí)
4.7知識(shí)抽取上機(jī)實(shí)踐
A.面向半結(jié)構(gòu)化數(shù)據(jù)的三國(guó)演義知識(shí)抽取
B.面向文本的三國(guó)演義知識(shí)抽取
C.人物關(guān)系抽取 ? ?

五、知識(shí)融合 ? ? ??

5.1知識(shí)融合背景
5.2知識(shí)異構(gòu)原因分析
5.3知識(shí)融合解決方案分析
5.4.本體對(duì)齊基本流程和常用方法
a.基于文本的匹配 b.基于圖結(jié)構(gòu)的匹配 c.基于外部知識(shí)庫(kù)的匹配
e.不平衡本體匹配 d.跨語(yǔ)言本體匹配 ? f.弱信息本體匹配
5.5實(shí)體匹配基本流程和常用方法
?a.基于相似度的實(shí)例匹配 ? b.基于規(guī)則或推理的實(shí)體匹配
c.基于機(jī)器學(xué)習(xí)的實(shí)例匹配 d.大規(guī)模知識(shí)圖譜的實(shí)例匹配
(1)基于分塊的實(shí)例匹配
(2)無(wú)需分塊的實(shí)例匹配
(3)大規(guī)模實(shí)例匹配的分布式處理
5.6 知識(shí)融合上機(jī)實(shí)踐
? ? ? ?1.百科知識(shí)融合 ?
2.OAEI知識(shí)融合任務(wù) ? ?

六、存儲(chǔ)與檢索 ? ? ? ?

6.1.知識(shí)圖譜的存儲(chǔ)與檢索概述
6.2.知識(shí)圖譜的存儲(chǔ)
?a.基于表結(jié)構(gòu)的存儲(chǔ) ? ? ? ?b.基于圖結(jié)構(gòu)的存儲(chǔ)
6.3.知識(shí)圖譜的檢索
a.關(guān)系數(shù)據(jù)庫(kù)查詢(xún)：SQL語(yǔ)言 ?b數(shù)據(jù)庫(kù)查詢(xún)：SPARQL語(yǔ)言 ??
6.4.上機(jī)實(shí)踐案例：利用GraphDB完成知識(shí)圖譜的存儲(chǔ)與檢索
七、知識(shí)推理 ? ? ? ?

7.1.知識(shí)圖譜中的推理技術(shù)概述
7.2.歸納推理：學(xué)習(xí)推理規(guī)則
?a.歸納邏輯程設(shè)計(jì)?b.關(guān)聯(lián)規(guī)則挖掘 ?c.路徑排序算法
上機(jī)實(shí)踐案例：利用AMIE+算法完成Freebase數(shù)據(jù)上的關(guān)聯(lián)規(guī)則挖掘
7.3.演繹推理：推理具體事實(shí)
? ?a.馬爾可夫邏輯網(wǎng) b.概率軟邏輯
7.4.基于分布式表示的推理
a.TransE模型及其變種 ? ? ? ? b.RESCAL模型及其變種
c.（深度）神經(jīng)網(wǎng)絡(luò)模型介紹 ? ?d.表示學(xué)習(xí)模型訓(xùn)練
7.5.上機(jī)實(shí)踐案例：利用分布式知識(shí)表示技術(shù)完成Freebase上的鏈接預(yù)測(cè) ? ? ?

八、語(yǔ)義搜索 ? ? ? ?

8.1.語(yǔ)義搜索概述
8.2.搜索關(guān)鍵技術(shù)
a.索引技術(shù)：倒排索引 ??
b.排序算法：BM25及其擴(kuò)展
8.3.知識(shí)圖譜搜索
a.實(shí)體搜索
b.關(guān)聯(lián)搜索
8.4.知識(shí)可視化 ?a.摘要技術(shù)
8.5.上機(jī)實(shí)踐案例：SPARQL搜索
九、知識(shí)問(wèn)答 ? ? ? ?

9.1.知識(shí)問(wèn)答概述 ? ? ? ? ? ? ? ? ? ? ??
9.2.知識(shí)問(wèn)答基本流程
9.3.相關(guān)測(cè)試集：QALD、WebQuestions等
9.4.知識(shí)問(wèn)答關(guān)鍵技術(shù)
? a.基于模板的方法 ??
b.語(yǔ)義解析
? c.基于深度學(xué)習(xí)的方法
9.5.上機(jī)實(shí)踐案例：DeepQA、TemplateQA