web

知识图谱

从零基础到专家：知识表示与数据模型、本体与 Schema、构建与存储、推理与补全、应用与系统、进阶与前沿。按章节系统学习。

  1. 1

    开篇：什么是知识图谱、为何要系统学习

    知识图谱的定义与核心特征；与数据库、搜索引擎的区别；从 Google Knowledge Graph 到企业级应用；零基础学习路径与本课程结构。
  2. 2

    从语义网到知识图谱：简史与演变

    语义网愿景与 W3C 标准；关联数据运动；知识图谱概念的兴起与工业界落地；当前生态：学术与开源、商业产品。
  3. 3

    知识图谱的应用场景与价值

    搜索增强、智能问答、推荐系统、决策支持、风控与合规；行业案例：金融、医疗、电商、政务；从场景反推能力要求。
  4. 4

    知识表示基础：实体、关系与三元组

    实体（Entity）与关系（Relation）的直观理解；三元组（Subject-Predicate-Object）模型；属性与关系的区别；多跳与路径。
  5. 5

    图与网络：图论视角下的知识

    图的基本概念：节点、边、有向/无向、标签；知识图谱作为有向标注图；度、路径、连通分量；图算法在 KG 中的位置。
  6. 6

    RDF 与三元组数据模型

    RDF 数据模型与抽象语法；IRI/URI 与字面量；RDF 序列化：Turtle、RDF/XML、JSON-LD；空白节点与命名图（Named Graph）。
  7. 7

    属性图与 RDF 的对比与选型

    属性图模型：节点与边上的键值对；Neo4j 与 TinkerPop；RDF 与属性图在表达力、查询、生态上的对比；选型考量。
  8. 8

    本体与分类：从 Taxonomy 到 Ontology

    分类法（Taxonomy）与本体（Ontology）的区别；本体的作用：共享语义、推理与约束；领域本体与上层本体。
  9. 9

    RDFS 与 OWL 入门

    RDFS：类、子类、属性、定义域与值域；OWL 简述：等价、逆、传递、对称、基数约束；何时用 RDFS、何时用 OWL。
  10. 10

    Schema 设计：实体类型与关系类型

    类型体系设计原则；实体类型（Class）的划分与层次；关系类型（Property）的命名与定义域/值域；Schema 与数据的一致性。
  11. 11

    身份与 URI 设计、命名空间

    实体的全局唯一标识；URI 设计规范与命名空间；可解析 URI 与不可解析标识符；版本与持久化策略。
  12. 12

    实体识别与抽取

    从非结构化文本中识别实体；基于规则与词典的方法；命名实体识别（NER）与序列标注；领域适配与少样本。
  13. 13

    关系抽取方法

    关系抽取任务定义；基于模式与依存的方法；监督、远程监督与零样本关系抽取；关系分类与开放关系。
  14. 14

    实体链接与消歧

    实体链接：指称到知识库实体的映射；候选生成与排序；歧义与 NIL 处理；跨文档、跨语言实体链接。
  15. 15

    知识融合与对齐

    多源知识的冲突与冗余；实体对齐（Entity Alignment）与本体匹配；属性融合与真值发现；融合流水线设计。
  16. 16

    知识图谱构建流水线

    从原始数据到可用的 KG：抽取、融合、存储、质量管控；人机协同与众包；流水线工具与工程实践。
  17. 17

    开放知识库：Wikidata、DBpedia 等

    Wikidata 的结构与查询；DBpedia 抽取与本体；YAGO、Freebase 等；如何复用开放 KG 与与自建 KG 的融合。
  18. 18

    图数据库与三元组存储

    三元组存储（Triple Store）与图数据库的定位；主流产品：Virtuoso、Blazegraph、Neo4j、Nebula 等；存储模型与索引。
  19. 19

    SPARQL 基础

    SPARQL 查询语言概述；SELECT、CONSTRUCT、ASK、DESCRIBE；基本图模式（BGP）与 FILTER、OPTIONAL；FROM 与命名图。
  20. 20

    SPARQL 进阶与联邦查询

    聚合、子查询、属性路径；SPARQL 1.1：联邦查询（SERVICE）、更新；查询优化与常见陷阱。
  21. 21

    属性图查询：Cypher 与 Gremlin

    Cypher 语法：MATCH、WHERE、RETURN、CREATE；Gremlin 遍历与图计算；与 SPARQL 的思维差异与选型。
  22. 22

    存储选型与性能优化

    规模、查询模式与一致性要求下的选型；索引策略与物理设计；分布式与水平扩展；与业务系统的集成方式。
  23. 23

    规则与推理基础

    基于规则的推理：前向与后向链；规则语言与引擎；推理在 KG 中的应用：补全、一致性检查。
  24. 24

    本体推理与描述逻辑

    描述逻辑（DL）与 OWL 的对应；可满足性与分类；推理机：HermiT、Pellet、RDFox 等；推理的复杂度与可扩展性。
  25. 25

    知识图谱补全与链接预测

    链接预测任务：预测缺失的三元组；基于规则与基于表示学习的方法；评估指标：MRR、Hit@k；负采样与开放世界假设。
  26. 26

    表示学习与嵌入

    知识图谱嵌入（KGE）：TransE、RotatE、ComplEx 等；嵌入用于补全、检索与下游任务；与预训练语言模型的结合。
  27. 27

    知识图谱在搜索与问答中的应用

    搜索中的实体卡片与知识面板；知识库问答（KBQA）：语义解析、信息检索与生成式方法；多跳推理与可解释性。
  28. 28

    推荐与决策支持

    基于 KG 的推荐：路径、嵌入与图神经网络；决策支持：溯源、解释与合规；与 BI、规则引擎的协同。
  29. 29

    企业知识图谱实践

    企业 KG 的典型形态：主数据、文档知识、领域本体；从 POC 到生产：团队、流程与治理；ROI 与度量。
  30. 30

    知识图谱与 NLP 的融合

    预训练模型与 KG 的联合：注入、对齐与联合推理；信息抽取流水线中的 KG；文本与图的多模态表示。
  31. 31

    大规模知识图谱系统架构

    十亿级三元组的存储与查询；批处理与增量更新；图计算与图学习平台；高可用与运维。
  32. 32

    时序知识图谱与溯源

    时间维度：有效时间与事务时间；时序 KG 与事件图谱；溯源（Provenance）：来源、置信度与版本。
  33. 33

    多模态与跨语言知识图谱

    图像、表格等多模态知识的融入；跨语言 KG 与实体对齐；多语言查询与应用。
  34. 34

    知识图谱与大语言模型

    LLM 与 KG 的互补：幻觉缓解与可解释性；RAG 中的 KG；从文本到 KG 的自动构建；KG 增强的 Agent。
  35. 35

    质量评估与持续演进

    准确性、完整性、一致性、时效性等维度；评估方法与基准数据集；质量监控与迭代改进；Schema 演进策略。
  36. 36

    从工程师到知识图谱专家：路线图与进阶

    知识图谱岗位与能力模型；学术与工业资源；本课程回顾与进阶方向：研究、架构、领域深耕。