语义网络与知识图谱

课程编码：085400M02014Y 英文名称：Semantic Web and Knowledge Graph 课时：40 学分：2.00 课程属性：一级学科普及课 主讲教师：黄敏

本课程的任务是使学生了解语义网技术的基本原理，知识图谱涉及的IT技术和算法，知识图谱与自然语言处理、深度学习的关系。要求学生在教师的指导下进行相关文献资料的阅读和典型行业应用，能针对某个技术问题进行研究性学习和实际应用，完成一篇课程论文或技术报告。

无

第一章 知识工程概述 4学时
第1节 课程简介
第2节 语义网、知识图谱的发展
第3节 语义网体系概念
第二章 知识表示方法 6学时
第1节 一阶谓词表示法
第2节 语义网表示法
第3节 分布式表示法
第4节 知识图谱应用Dbpedia
第三章 语义网技术体系 4学时
第1节 OWL本体语言和RDF语言
第2节 Sparql查询语言
第3节 本体开发工具protégé
第四章 图神经网络 6学时
第1节 传统图机器学习方法
第2节 节点表示学习
第3节 图深度学习
第4节 GNN框架
第五章 基于图神经网络的知识图谱表示学习 4学时
第1节 异质图和知识图谱嵌入表示
第2节 知识图谱补全
第六章 基于图神经网络的知识图谱推理 4学时
第1节 直接推理
第2节 多跳推理
第3节 复杂推理
第七章 知识抽取——命名实体识别 4学时
第1节 中文分词和命名实体识别
第2节 实体链接和对齐
第3节 结构化和半结构化知识抽取
第八章 实体关系抽取 4学时
第1节 有监督关系抽取
第2节 远程监督关系抽取
第3节 知识抽取工具
第九章 文本事件抽取 2学时
第1节 事件定义
第2节 事件抽取典型方法
第十章 分组报告 2学时
第1节 分组报告

黄敏，2007年获计算机软件与理论工学博士学位，现为人工智能学院副教授，主要研究方向为知识工程和自然语言处理。主要教授课程为《高级数据库系统》和《语义网络与知识图谱》。