知识卷积神经网络

"图神经网络与知识图谱"课程大纲第一天19:00-21:00第一章:人工智能与深度学习基础1.
1卷积神经网络结构;1.
2池化;1.
3激活函数;1.
4反向传播;1.
5AlexNet、VGGNet、ResNet、GoogleLeNet等算法简介1.
6决策树和随机森林1.
7卷积核与特征提取;1.
8卷积神经网络调参经验分享;1.
9Tf.
keras核心高阶API;1.
10Tf.
data输入模块;第二天19:00-21:00第二章:深度学习发展热点2.
1生成对抗网络GAN;2.
2生成与判别;2.
3GAN对抗生成神经网络算法介绍;2.
4代码和案例实践:图片生成、看图说话,对抗生成神经网络调参经验分享2.
5强化学习RL;2.
6强化学习基础、算法介绍2.
7实例:基于增强学习的游戏学习DQN的实现第三天19:00-21:00第三章:图神经网络3.
1图神经网络(GraphNeuralNetwork)3.
2不动点理论、模型学习、GNN与RNN、GNN的局限3.
3门控图神经网络(GatedGraphNeuralNetwork)3.
4状态更新、GNN与GGNN3.
5实例:到达判断语义解析3.
6图卷积3.
7图卷积框架3.
8实例:掷骰子问题第四章:图神经网络第四天19:00-21:004.
1空域卷积(SpatialConvolution)4.
2消息传递网络、图采样与聚合、图结构序列化4.
3频域卷积(SpectralConvolution)4.
4基础简介:图上的傅里叶变换4.
5频域卷积网络、切比雪夫网络4.
6图读出操作(ReadOut)4.
7基于统计的方法4.
8基于学习的方法:采样加全连接、全局结点、可微池化、其他方法;第五天19:00-21:00第五章:知识图谱5.
1知识图谱基础—知识表示与建模5.
2知识表示框架、数据模型设计方法5.
3金融企业数据主题域设计—企业风险知识图谱5.
4知识图谱核心技术:知识源数据的获取5.
5结构化数据的获取、非结构化数据的获取、将mysql数据导出为图谱源数据5.
6案例实战:股票吧信息爬取使用爬虫获取企业法人等信息获取企业风险知识图谱源数据5.
7知识图谱核心技术:知识抽取5.
8实体抽取技术、关系抽取技术、事件抽取技术5.
9案例实战:使用hanlp抽取法人名称企业名称等信息使用TextRank算法完成知识抽取使用句法依存算法关系抽取基于模板完成事件抽取;第六天19:00-21:00第六章:知识图谱6.
1知识图谱核心技术:知识融合6.
2知识融合概述,实体统一、实体消歧、知识合并6.
3案例实战:使用jieba完成公司名的实体统一使用tf-idf完成实体消歧6.
4知识图谱核心技术:知识加工和存储6.
5知识加工概述,本体构建,知识推理6.
6知识存储常用数据库,图数据库neo4j6.
7实战操作:使用neo4j工具导入知识图谱案例1:使用neo4j从零搭建简单的金融知识图谱案例2:基于金融知识图谱的问答机器人案例3:基于法律领域的知识图谱