知识工程

课程编码：180206081104P2001H 英文名称：Knowledge Engineering 课时：40 学分：2.00 课程属性：专业核心课 主讲教师：赵军

将知识图谱和大模型作为知识工程的主要形态，目标是使学生掌握大数据知识工程的基本概念和主要问题，明确知识图谱/大模型构建及应用的主流方法和关键技术，使学生了解知识工程的发展脉络，激发研究兴趣，培养解决实际问题的能力。

概率论

第一章 知识工程概述 3.0学时 赵军
第1节 知识工程基本概念
第2节 知识工程的认知基础
第3节 知识工程的发展历程
第4节 知识图谱的类型和代表性知识图谱
第5节 知识图谱典型应用
第二章 符号化知识表示理论和方法 3.0学时 赵军
第1节 产生式规则
第2节 语义网络
第3节 框架
第4节 脚本
第5节 一阶谓词逻辑
第6节 描述逻辑
第7节 语义网
第8节 知识图谱的知识表示
第三章 数值化知识表示理论和方法 3.0学时 赵军
第1节 知识的分布表示
第2节 预训练语言模型
第3节 知识图谱和预训练模型的融合
第四章 知识获取 6.0学时 赵军
第1节 实体知识获取
第2节 概念知识获取
第3节 关系知识获取
第4节 事件知识获取
第5节 脚本知识获取
第6节 常识知识获取
第五章 大模型的知识增强 3.0学时 赵军
第1节 大模型中的知识分析
第2节 大模型中的知识萃取
第3节 大模型训练阶段的知识增强
第4节 大模型的知识更新
第5节 基于领域知识与工具的知识增强
第六章 知识图谱构建实战 3.0学时 赵军
第1节 领域知识图谱框架构建
第2节 半结构化文本中的知识抽取
第3节 非结构化文本中的知识抽取
第七章 知识图谱数据管理 3.0学时 赵军
第1节 知识图谱数据模型
第2节 知识图谱数据的存储
第3节 知识图谱数据的查询
第4节 知识图谱可视化
第八章 知识建模与融合 3.0学时 赵军
第1节 本体概述
第2节 知识建模方法
第3节 知识融合概述
第4节 知识体系融合典型方法
第5节 知识实例融合典型方法
第九章 知识推理 6.0学时 赵军
第1节 基于逻辑的知识推理方法
第2节 归纳逻辑编程
第3节 概率知识推理
第4节 基于路径学习的知识推理
第5节 基于神经网络的知识推理
第6节 混合式知识推理
第十章 知识应用 4.0学时 赵军
第1节 知识问答
第2节 知识对话
第3节 知识检索
第4节 知识推荐
第十一章 课程讨论与总结 1.5学时 赵军
第1节 知识图谱研究和实践存在的问题
第2节 知识图谱的发展趋势研讨
第十二章 课程考试 1.5学时 赵军
第1节 课堂开卷考试

赵军, 中国科学院自动化研究所模式识别国家重点实验室，研究员，博士生导师；中国科学院大学人工智能学院岗位教授。研究领域为自然语言处理、知识图谱、信息抽取、问答系统、大模型等。作为项目负责人承担国家自然科学基金重点项目、科技创新2030-新一代人工智能重大项目等多项国家级重要科研项目以及企业应用项目。在ACL、IJCAI、SIGIR、AAAI、COLING、EMNLP、TKDE等顶级国际会议和重要学术期刊上发表论文100余篇，曾获第25届国际计算语言学大会COLING 2014最佳论文奖，Google Scholar引用量19000余次。出版学术专著两部《知识图谱》、《知识图谱：算法与实践》，由人工智能学会推荐入选十三五国家重点图书出版规划教材，连续多年在中国科学院大学主讲《知识图谱》课程，2021 年获得中国科学院大学优秀课程，获朱李月华优秀教师奖。主持研发的“大规模开放域文本知识获取与应用平台”获得2018年中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖，主持完成的“大规模知识图谱构建关键技术与应用”项目获得2019年度北京市科学技术进步奖一等奖。兼任中国中文信息学会常务理事，语言与知识计算专委会副主任，《中文信息学报》编委，Machine Intelligence Research （MIR）编委等学术职务。