你能学到什么?
本课程一学员Trancy最新评价:『学习图神经网络的时候会涉及到理解傅立叶变换,但如果陷入这个细节里面对掌握图神经网络比较困难,但听了赵老师的课之后我对图神经网络有了通俗易懂的认识,了解了整体框架,而没有陷入局部细节』。
本课程入门级,如果进阶可以再学知识图谱集训营,若再深入比如在职提升,则可以学习NLP高级班(大厂技术专家辅导、大厂同学共同提升)
|
-
第一阶段 知识图谱的基础概念
-
第1课 课程介绍及知识图谱基础
- 知识点1: 知识图谱基本概念
- 知识点2: 知识图谱历史
- 知识点3: 知识图谱的现有应用
- 知识点4: 知识图谱的工程原则
-
第2课 知识的存储和检索
- 知识点1: 知识图谱的数据模型
- 知识点2: 知识图谱的存储
- 知识点3: 知识图谱的查询
- 实战项目: 在neo4j上存储及查询
第二阶段 非结构化数据的知识图谱构建
-
第3课 词汇挖掘与实体识别
- 知识点1: 概述
- 知识点2: 关键词提取
- 知识点3: 领域短语挖掘
- 知识点4: 同义词挖掘
- 知识点5: 缩略词挖掘
- 知识点6: 实体识别
- 实战项目: 命名实体识别
-
第4课 关系抽取
- 知识点1: 基于模式
- 知识点2: 全监督
- 知识点3: 半监督
- 知识点4: 远程监督
第三阶段 图表示与图算法
-
第5课 常用的图算法与图聚类
- 知识点1: 常用的图遍历算法介绍
- 知识点2: 图表示算法random walk与node2vec
- 知识点3: 图聚类算法之谱聚类、louvain
- 实战项目: 在neo4j中使用louvain进行图聚类
-
第6课 知识表示方法
- 知识点1: 知识表示的基础模型之距离模型
- 知识点2: 翻译模型TransE及其变种
- 知识点3: 矩阵分解模型RESCAL
- 知识点4: 预训练模型KG-BERT
-
第7课 图神经网络初步
- 知识点1: 从message passing角度解释图神经网络
- 知识点2: 图神经网络与图卷积神经网络原理
-
第8课 图神经网络进阶
- 知识点1: 基于聚合的图卷积
- 知识点2: 图卷积的变体
- 知识点3: pytorch geometric的使用
- 实战项目: 基于Cora数据集的图卷积应用
第四阶段 图应用
-
第9课 基于知识图谱的问答系统
- 知识点1: 问答系统
- 知识点2: 基于语义解析的知识库问答
- 知识点3: 基于检索的知识库问答
- 实战项目: 基于知识图谱的医药问答系统
-
第10课 节点分类与关系推理相关项目
- 知识点1: 节点分类的常用方法
- 知识点2: 基于图卷积的节点分类
- 实战项目: 基于知识图谱的反欺诈系统
-