你将学到的
  • - 知识图谱是什么
  • 操作 Neo4j 的语言 Cypher
  • Neo4j 构建知识图谱
  • 学会使用 Keras 构建深度学习模型
  • 一种存储知识图谱的数据库——Neo4j
  • Neo4j 提供给 Python 的接口使用方法
  • 用深度学习的方法来为构建知识图谱提供数据
课程内容
  共9个章节
lab-classic 实验 1 课程详情及介绍

知识点: 1.在Linux系统上部署Neo4j 2.命令行操作Neo4j 3.在Neo4j客户端上操作知识图谱

lab-classic 实验 3 Cypher 语法学习

知识点: 1.查询节点和关系 2.增加节点和关系 3.修改节点和关系的属性 4.删除节点和关系

知识点: 1.连接数据库 2.创建和修改节点 3.创建和修改属性 4.查询 5.执行原生Cypher语句

lab-classic 实验 5 构建《射雕三部曲》图谱

知识点: 1.loadcsv批量导入方法 2.neo4jadminimport批量导入方法 3.Cypher实战用法

知识点: 1.Keras的基本使用方法 2.用KerasSequential顺序模型构建网络 3.用Keras函数式API构建网络 4.与NLP有关的网络层

lab-classic 实验 7 命名实体识别

知识点: 1.命名实体识别任务的定义与理论解决方法 2.命名实体识别任务中的数据集处理方法 3.命名实体识别模型——BiLstmCRF的理论知识 4.用Keras构建BiLstmCRF模型 5.BiLstmCRF的训练与预测方法

知识点: 1.关系抽取任务的定义与理论解决方法 2.关系抽取任务中数据集处理方法 3.关系抽取模型——PCNN的理论知识 4.用Keras构建PCNN 5.PCNN的训练与预测方法

lab-classic 实验 9 总结与展望
课程介绍

课程介绍

知识图谱(Knowledge Graph)是一门前沿的交叉学科,用于将人类社会的海量知识结构化,并提供一个可理解,可解释的一个模型。本训练营将以《射雕三部曲》为例,从 0 构建起一个可以实际应用的知识图谱。

为什么学这个课程

知识图谱技术是人工智能技术的组成部分,其强大的语义处理和互联组织能力,为智能化信息应用提供了基础。知识图谱旨在描述现实世界中存在的实体以及实体之间的关系。随着人工智能的技术发展和应用,知识图谱作为关键技术之一,已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。

然而,相比于传统技术,知识图谱的普及远远不够。大部分垂直行业中的技术和业务人员对知识图谱的概念、用途和相关技术的认识仍然比较模糊。

通过本课程的学习,我们会对知识图谱的来龙去脉有个整体的了解,随后将详细介绍知识图谱生命周期中各个环节中涉及的理论,技术和工具。

课程特色

  • 课程内容紧贴知识图谱技术栈,涵盖了知识图谱构建的基本内容

  • 开发教程详细完整、文档资源齐全、实验过程循序渐进简单明了

  • 实验内容互动性强,操作简单

  • 技术栈新颖且知识点丰富,学习后对进入知识图谱这个领域有一定的帮助

效果演示

射雕三部曲构建后的图模型展示

课程内容

  • 实验一 课程详情及介绍

    知识点:1. 知识图谱所需前置知识介绍 2. 课程内容介绍

  • 实验二 初探 Neo4j

    知识点:1. Neo4j 数据库配置 2. Neo4j 数据库启动与停止 3. Neo4j 数据库导入 4. 客户端界面操作

  • 实验三 Cypher 语法学习

    知识点:1. 查询 2.修改 3.添加 4.删除

  • 实验四 Py2neo 初步

    知识点:1. 连接数据库 2. 添加 3. 查询 4. 执行 Cypher

  • 实验五 构建《射雕三部曲》图谱

    知识点:1. 通过 load_csv 方法构建 2. 通过 neo4j-import 构建

  • 实验六 Keras 初步

    知识点:1. 构建 Keras 顺序模型 2. 构建 Keras 函数式模型 3. NLP 任务常用层

  • 实验七 命名实体识别

    知识点:1. 命名实体识别的概念 2. BiLSTM-CRF 模型构建 3. 模型训练与预测

  • 实验八 关系抽取

    知识点:1. 关系抽取的概念 2. 简单分类模型构建 3. 模型训练与预测

  • 实验九 总结与展望

    知识点:1. 课程回顾 2. 课程补充 3. 应用场景介绍 4. 扩展阅读

适合人群

知识图谱是一个交叉性学科,因此学习本课程前需要事先掌握 Python 基础语法和机器学习中监督学习的基本内容。同时 Cypher 是一种图数据库查询语言,不会 SQL 并不妨碍对 Cypher 的学习。

课程难度

本课程是知识图谱的构建的介绍类课程,不会涉及到具体的数学推导,性能分析与优化等方面的内容。

课程信息

  • 学习周期:课程有效期 2 个月,2 个月后实验文档一直可以看,但无法进行在线实验。高级会员有效期内可一直学习,高级会员到期后课程失效(不能看文档)。
  • 课程价格:当前优惠价格 99 元。
  • 企业团报:可获得更多支持服务,请点击购买咨询
课程教师

Gods_Dusk 共发布过 2 门课程

厦门大学信息学院智能科学与技术系硕士研究生,中国生物医学工程学会,医学人工智能分会会员。多次参加kaggle图像分类竞赛和天池大数据竞赛。

查看老师的所有课程 >
实验楼楼+
实验楼会员