信息抽取与知识图谱高阶训练营 – 百度云盘 – 下载

课程亮点：

信息抽取与知识图谱高级训练营

全面剖析信息抽取与知识图谱应用

课程亮点

贪心科技
最全的内容

知识图谱设计、信息抽取、低资源抽取、推断

贪心科技
答疑服务

即时答疑的方式，助教老师会尽快回答大家在学习中遇到的问题

贪心科技
深入的内容

有深度的内容、涵盖目前所能找到的最前沿的内容

贪心科技
专业的授课团队

在本领域有着多年工程和科研经验的导师

贪心科技
对科研、出国也有帮助

为以后做相关课题的科研、以及出国留学有很大帮助

贪心科技
提高创新能力

深入一个领域是技术创新所必须的条件

课程概要

贪心科技
知识图谱是结构化数据表示中最有效，最简洁，最强大的方法之一。它能反应实体之间的关系，以及抽取数据中有效信息。同时，在机器学习和NLP领域，知识图谱一直热门方向之一。本课程将介绍与知识图谱相关的所有技术，例如，数据模型，图谱构建，推断，以及知识抽取等等。同时，我们也将介绍 discriminative training, mixture models, and semi-supervised training methods, 以及 deep learning models. 我们希望能帮助学员具备解决知识图谱相关项目的所有技能。

贪心科技
你将收获

贪心科技
全面掌握信息抽取、知识图谱领域相关技术，并灵活应用在自己工作中

贪心科技
能够了解各类技术的实现细节，并熟练掌握其关键技术与方法

贪心科技
深入理解前沿的信息抽取与知识图谱技术，有助于为后续的科研打下基础

贪心科技
完成一个课题，有可能成为一个创业项目或者转换成你的科研论文

贪心科技
短期内对一个领域有全面的认识，大大节省学习时间

贪心科技
认识一群拥有同样兴趣的人、相互交流、相互学习

课程大纲

信息抽取与知识图谱

大纲

贪心科技
第一周：知识图谱与图数据模型

知识图谱：搜索引擎，数据整合，AI
实体抽取
关系抽取
词向量
graph embedding
图数据模型：RDF, Cyper
结构化数据的关系抽取
介绍关系抽取的基本方法
介绍结构化数据的信息过滤
第二周：知识图谱的设计

RDF和Property graph的设计
创建KG：数据处理
创建KG：文本和图像
推断用到的基本方法
Path detection
Centrality and community Detection
图结构嵌入方法
重要性的基本方法：node，edge
第三周：结构化预测模型

Sequence labeling
结构化数据类别：Dependency，constituency
Stack LSTM
Stack RNNS
Tree-structure LSTM
第四周：关系抽取和预测

Hand-built patterns
Bootstrapping methods
Supervised methods
Distant supervision
Unsupervised methods
实体识别的基本方法
第五周：低资源信息抽取和推断

Low-resource NER
Low-resource structured models
Learning multi-lingual Embeddings
Deepath
DIVA
Generic Statistical Relational Entity Resolution in Knowledge Graphs
第六周：图挖掘的热门应用

基本图概念
Link Prediction
Recommendation system
Anomaly detection
Gated Graph Sequence Neural Networks
论文列表

贪心科技
1、Generic Statistical Relational Entity Resolution in Knowledge Graphs (Pujara et al, 2016)

2、Neural Architectures for Named Entity Recognition (Lample et al, 2016)

3、End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF (Ma & Hovy, 2016)

4、Empower Sequence Labeling with Task-Aware Neural Language Model (Liu et al, 2018)

5、Fine-grained semantic typing of emerging entities (Nakashole et al, 2013)

6、Embedding methods for fine grained entity type classification (Yogatama et al, 2015)

7、AFET: Automatic fine-grained entity typing by hierarchical partial-label embedding (Ren et al, 2016)

8、Entity linking with a knowledge base: Issues, techniques, and solutions (Shen at el, 2015)

9、Neural Relation Extraction with Selective Attention over Instances (Lin et al, 2016)

10、Heterogeneous Supervision for Relation Extraction: A Representation Learning Approach (Liu et al, 2017)

项目部分

贪心科技
固定项目

贪心科技
知识图谱项目

概要：信息抽取（IE）过程是将嵌入在文本中的非结构化信息自动提取转换为结构化数据的过程。在文本中进行信息提取与文本简化问题相关联，一般目的是创建对机器来说可读性更强的文本来处理句子。项目任务：1. 根据现有的数据，搭建信息抽取模型，进行关系和事件抽取。 2. 尝试混合模型，进行联合信息抽取。 3. 熟悉并掌握信息抽取相关模型。 4. （可选）应用强化学习策略，尝试进一步提高信息抽取结果。 5. （可选）将信息抽取出来的结果，进一步扩展成知识图谱，然后对知识图谱进行补全，对比前后图谱区别

涉及到的技术：

命名实体识别

关系抽取

事件抽取

适合人群

贪心科技
大学生

理工科相关专业的本科/硕士/博士生，想系统性学习自然语言处理
希望今后从事人工智能相关的工作
希望今后想从事相关研究
贪心科技
在职人士

目前从事IT相关的工作，但今后想从事NLP工作
目前公司项目涉及到以上几个模块的内容、希望深入学习一下
希望能够及时掌握前沿的NLP技术