知識圖譜逐漸成為互聯網上組織世界結構化知識的有力抽象化方式，它能夠捕捉企業間關鍵實體之間的關系，并整合來自多個數據源的信息。知識圖譜還開始在機器學習和自然語言處理領域發揮重要作用，它不僅可以納入世界知識作為所提取知識的目標知識表征，還能用來解釋學習到的內容。
然而，有關知識圖譜的專門課程相對較少。不過，對此感興趣的讀者不用著急，斯坦福春季課程 CS520《知識圖譜》目前已經結束，并放出了全部授課視頻。
斯坦福 CS520《知識圖譜》課程聚集了知識圖譜不同分支的研究者和業界從業者。它將展示 AI、數據庫系統以及 HCI 的最新研究與以知識圖譜為中心的集成智能系統的協同發展。
這門課程的組織者是：Vinay K. Chaudhri、Naren Chittar 和 Michael Genesereth。
-
Class 1：什么是知識圖譜？（授課者：Denny Vrande?i?、Jans Aasman、Mikhail Galkin）
-
Class 2：如何創建知識圖譜？（授課者：Juan Sequeda、Chris Ré、Xiao Ling）
-
Class 3：高級知識圖譜有哪些？（授課者：Mike Tung、Cogan Shimizu、Marie-Laure Mugnier）
-
Class 4：知識圖譜推理算法有哪些？（授課者：An Hai Doan、Yuxiao Dong、Georg Gottlob）
-
Class 5：知識圖譜如何演化？（授課者：Héctor Pérez-Urbina、José Manuel Gómez-Pérez、Mike Uschold）
-
Class 6：用戶如何與知識圖譜進行交互？（授課者：Amit Prakash、Chaomei Chen、Leilani Gilpin）
-
Class 7：工業界最流行的圖引擎有哪些？（授課者：Philip Rathle、Brad Bebee、Matei Zaharia）
-
Class 8：知識圖譜在機器學習中發揮哪些作用？（授課者：Jure Leskovec、Luna Dong、Robert offman）
-
Class 9：知識圖譜的高價值用例有哪些？（授課者：Jay Yu、Apoorv Saxena、David Newman）
-
Class 10：知識圖譜領域領域有哪些開放性研究問題？（授課者：Richard Socher、Mark Musen、RV Guha）
付費5元查看完整內容
相關內容
知識圖譜（Knowledge Graph），在圖書情報界稱為知識域可視化或知識領域映射地圖，是顯示知識發展進程與結構關系的一系列各種不同的圖形，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。
知識圖譜是通過將應用數學、圖形學、信息可視化技術、信息科學等學科的理論與方法與計量學引文分析、共現分析等方法結合，并利用可視化的圖譜形象地展示學科的核心結構、發展歷史、前沿領域以及整體知識架構達到多學科融合目的的現代理論。它能為學科研究提供切實的、有價值的參考。
知識圖譜以圖的方式承載著結構化的人類知識。作為將知識整合進入人工智能系統的媒介, 知識圖譜的研究日益流行。知識圖譜在眾多人工智能相關的應用上嶄露頭角, 例如問答系統、 信息檢索、 自然語言處理、 推薦系統等。然而, 傳統的深度學習不能很好地處理知識圖譜這類非歐式數據。隨著圖神經網絡的快速發展, 幾何深度學習成為建模非歐式數據的重要理論。 本文以幾何深度學習的視角, 以圖神經網絡為重點, 總結了近期基于圖神經網絡的知識圖譜關鍵技術研究進展。具體地, 本文總結了知識圖譜中知識獲取、 知識表示、 知識推理這三個較為核心的研究領域, 并展望了未來的研究方向和前景, 探討知識圖譜在航空航天軍事上的潛在應用。
付費5元查看完整內容
【導讀】Yann Lecun在紐約大學開設的2020春季《深度學習》課程，干貨滿滿。最新的一期是來自新加坡南洋理工大學的Xavier Bresson教授的圖卷積神經網絡課程，共76頁PPT，非常硬核干貨，講述了GCN近年來的研究進展，包括經典卷積網絡、譜圖卷積網、 空間域圖卷積網、GCN基準等。
圖卷積網絡
目錄：
- 第一部分傳統卷積網
- 架構
- 圖域
- 卷積
- 譜域圖卷積網
- 譜卷積
- 譜GCN
- 空間域圖卷積網
- 模板匹配
- 各向同性 GCNs
- 各向異性 GCNs
- GatedGCNs
- 圖神經網絡基準
- 結論
付費5元查看完整內容
教程題目
知識圖主要思想簡史教程：A Brief History of Knowledge Graph's Main Ideas: A tutorial
教程內容
知識圖譜可以被認為是實現了計算機科學早期的愿景，即創建大規模集成知識和數據的智能系統。“知識圖”一詞是在本世紀初由研究人員提出的，自2012年谷歌推廣以來，在學術界和業界迅速流行起來。必須指出的是，無論“知識圖”一詞的討論和定義如何，它都源于語義網、數據庫、知識表示和推理、自然語言處理、機器學習等不同研究領域的科學進步。來自這些不同學科的思想和技術的集成使知識圖的概念更加豐富，但同時也給實踐者和研究者提出了一個挑戰，使他們知道當前的進步是如何從早期技術發展而來的，并植根于早期技術。
教程作者
Claudio Gutierrez ，Juan F. Sequeda，來自于智利國立大學。
付費5元查看完整內容
課程介紹： 最近，圖神經網絡 (GNN) 在各個領域越來越受到歡迎，包括社交網絡、知識圖譜、推薦系統，甚至生命科學。GNN 在對圖形中節點間的依賴關系進行建模方面能力強大，使得圖分析相關的研究領域取得了突破性進展。本次課程對比傳統的卷積神經網絡以及圖譜圖卷積與空間圖卷積，從理論知識入手，并結合相關論文進行詳細講解。
主講人： Xavier Bresson，人工智能/深度學習方面的頂級研究員，培訓師和顧問。在“圖深度學習”上的NeurIPS'17和CVPR'17（2019年頂級人工智能會議排名）上的演講者，在劍橋，加州大學洛杉磯分校，布朗，清華，龐加萊，海德堡等地進行了30多次國際演講。
課程大綱：
- 傳統卷積神經網絡
- 譜圖圖卷積
- 空間圖卷積
- 總結
付費5元查看完整內容
知識圖譜是人工智能的前沿科技之一，近兩年非常火熱。無論你是做計算機的哪個方向，相信在日常的學習和生活中，都能耳濡目染。為了更系統的了解知識圖譜，小編找到了浙江大學計算機學院的陳華鈞教授開設的《知識圖譜導論》課程的ppt，希望能幫助到各位對知識圖譜感興趣的同學。
課程目錄
? Lecture 1 : 知識圖譜概覽
? Lecture 2：知識圖譜的表?與建模
? Lecture 3：知識圖譜的存儲與關聯查詢
? Lecture 4：知識圖譜構建與關系抽取
? Lecture 5：知識圖譜表?學習與關聯推理
? Lecture 6：語義搜索與知識圖譜問答
PPT下載鏈接:
//pan.baidu.com/s/1TOb-Ll0ipUrf-RanuvT6SQ
密碼: 0nit
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191