| 模块1:知识图谱概论 | 1. 知识图谱的起源和历史 2.  典型知识库项目简介
 3. 知识图谱应用简介
 4.  本课程覆盖的主要范围:知识表示与建模、知识抽取与挖掘、知识存储、知识融合、知识推理、语义搜索、知识问答和行业知识图谱应用剖析等内容。
 | 
| 模块2:知识表示与知识建模 | 1. 早期知识表示简介 2.  基于语义网的知识表示框架
 
3. 典型知识库项目的知识表示RDF和RDFSOWL和OWL2 FragmentsSPARQL查询语言Json-LD、RDFa、HTML5 MicroData等新型知识表示 4.  基于本体工具(Protege)的知识建模最佳实践
 | 
| 模块3:知识抽取与挖掘I | 1. 知识抽取任务定义和相关比赛:实体识别、关系抽取和事件抽取 2.  面向结构化数据(关系数据库)的知识抽取,包括D2RQ和R2RML等转换与映射规范与技术介绍
 3. 面向半结构化数据(Web tables,  百科站点等)的知识抽取
 
4.  实践展示:基于百科数据的知识抽取基于正则表达式的方法Bootstrapping和Wrapper Induction介绍 
 | 
| 模块4:知识抽取与挖掘II | 1. 面向非结构化数据(文本)的知识抽取 
 a. 基于本体的知识抽取,包括NELL和DeepDive系统介绍2. 知识挖掘b.  开放知识抽取,包括TextRunner、Reverb和OLLIE等系统介绍
 
 
知识内容挖掘:实体消歧与链接知识结构挖掘:关联规则挖掘与社区发现知识表示学习与链接预测,包括TransE和PRA等算法介绍 | 
| 模块5:知识存储 | 1. 基于关系数据库的存储设计,包括各种表设计和索引建立策略 2.  基于RDF的图数据库介绍
 
3.  原生图数据库介绍,包括Neo4j、OrientDB、Titan和Cayley等开源数据库:Apache Jena、Sesame、gStore、RDF-3X等商业数据库:Virtuoso、AllegroGraph、BlazeGraph等 4. 实践展示:使用Apache  Jena存储百科知识,并使用Fuseki构建图谱查询服务
 | 
| 模块6:知识融合 | 1. 知识融合任务定义和相关竞赛:本体对齐和实体匹配 2.  本体对齐基本流程和常用方法
 
3. 实体匹配基本流程和常用方法基于Linguistic的匹配基于图结构的匹配基于外部知识库的匹配 
4.  知识融合工具介绍:包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault基于分块的多阶段匹配基于规则(配置或通过学习)的实体匹配 5.  实践展示:使用Falcon-AO融合百度百科与维基百科中的知识
 | 
| 模块7:知识推理 | 1.  本体知识推理简介与任务分类,包括概念可满足性、概念包含、实例分类和一致性检测等 2. 本体推理方法与工具介绍
 
3.  实践展示:使用Jena完成百科知识上的上下位推理、缺失类别补全和一致性检测等基于Tableaux运算的方法:Fact++、Racer、Pellet和Hermit等基于一阶查询重写的方法:Ontology-based Data Access的Ontop等基于产生式规则的方法(如Rete):Jena、Sesame和OWLIM等基于逻辑编程(如Datalog)改写的方法:KAON2和RDFox等 | 
| 模块8:语义搜索 | 1.语义搜索概述,包括Knowledge Card、Rich  Snippet、Facebook Graph Search等 2. 基于语义标注的网页搜索
 
3. 基于图谱的知识搜索Web Data Commons项目介绍排序算法介绍,扩展BM25 
4.  知识可视化,包括本体、查询、结果等的展现方式和可视化分析本体搜索(ontology lookup)探索式知识检索,包括查询构造、结果排序和分面(facets)推荐 5. 实践展示:使用ElasticSearch实现百科数据的语义搜索
 | 
| 模块9:知识问答I | 1. 知识问答概述和相关数据集(QALD和WebQuestions) 2.  知识问答基本流程
 3. 知识问答主流方法介绍
 
 
基于模板的方法,包括模板定义、模板生成和模板匹配等步骤基于语义解析的方法,包括资源映射,逻辑表达式候选生成与排序等基于深度学习的方法 | 
| 模块10:知识问答II | 1. IBM Watson问答系统及核心组件详细解读
                                
                                2. 实践展示:面向百科知识的问答baseline实现 | 
| 模块11:行业知识图谱应用 | 1. 行业知识图谱特点 2.  行业知识图谱应用,包括金融、医疗、数字图书馆等领域应用
 3. 行业知识图谱构建与应用的挑战
 4. 行业知识图谱生命周期定义和关键组件
 
 |