知识图谱实战:图表示与图算法

知识图谱实战:图表示与图算法

340分钟

知识图谱(KnowledgeGraph)本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里, 每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间…

知识图谱(KnowledgeGraph)本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里, 每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。 通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。 知识图谱不仅仅是学术界的研究热点,目前在工业界也掀起了一股浪潮。百度等各大搜索厂商应用图谱来进步提升自身的搜索效果,金融领域应用图谱来做贷前贷后的风控管理,淘宝等电商应用图谱来做精准营销,可见图谱这项新的技术已经渗透到了各行各业。 本门课程引入了目前新颖的图神经网络,并教大家如何应用图神经网络进行图应用。
第1课 常用的图算法与图聚类 - 1.1图相关的基本概念 - 1.2常用的图遍历算法介绍 - 1.3图聚类算法之谱聚类 - 1.4Node2Vec介绍及使用 第2课 知识表示方法 - 2.1 PageRank算法与知识图谱回顾 - 2.2 知识表示—TransE模型及变种 - 2.3 知识表示—DistMult与ComplEx - 2.4 预训练模型KG-BERT 第3课 图神经网络初步 - 3.1 Node Embedding局限性 - 3.2 图卷积神经网络原理 - 3.3 GCN公式详解 - 3.4 GraphSAGE 模型 - 3.5 GAT 模型—Attention 第4课 图神经网络进阶 - 4.1 GNN中的Message - 4.2 GNN中的Layer - 4.3图扩展 - 4.4图应用
七月在线
七月在线

集AI大模型教育、应用开发、机器人解决方案为一体