word2vec应用场景_人工智能商业实战应用：金融知识图谱构建与实战

课程链接:https://pan.baidu.com/s/11hiZQ-KpcLQfYkg6ERMz6Q 密码:orib

此课程的背景是一个金融知识图谱的大项目，用于构建A股公司的知识图谱，并基于知识图谱提供语义搜索、智能问答等服务。 课程中用到神经网络、深度学习、图数据库、NoSQL数据库、自然语言处理等多个方面的技术，每个章节有独立的项目代码联系，配合培训导师的数据集，能够深入理解和掌握知识图谱的构建和实战。在课程最后的综合实践课程中，更可以对所学内容获得系统性的复习和巩固。

第一章：知识图谱概述

本章主要介绍知识图谱的基本概念，知识图谱是“新瓶装旧酒”吗？知识图谱中所需要的机器学习、深度学习算法，主要存在的困难，知识图谱与自然语言处理，深度学习等人工智能主流领域的关系

第二章：亲手搭建A股公司的知识图谱

沪深股市上市公司知识图谱介绍

该金融知识图谱构建流程

分布式爬虫搭建

自然语言处理过程

知识的抽取、存储和表示

知识的推理、搜索和问答

第三章：知识图谱中的关键技术一： 知识图谱存储

图数据库概述与优缺点

图查询语言与典型使用场景

知识图谱的可视化表示

课程实践练习与答疑

第四章：知识图谱中的关键技术二： 自然语言处理概述

语料的重要性概述

统计自然语言处理方法：词袋模型、TF-IDF、LDA

词向量模型Word2Vec

深度循环网络RNN和LSTM

注意力机制的原理和方法

课程实践练习与答疑

第五章：知识图谱中的关键技术三： 命名实体识别

命名实体识别技术概述

规则 字典 HMM CRF

深度网络BiLSTM + CRF

命名实体识别的评价方法

课程实践练习与答疑

第六章：知识图谱中的关键技术四： 关系提取

实体中的关系有哪些

构建抽取关系的训练语料

几种常用的关系抽取方法

课程实践练习与答疑

第七章：知识图谱中的关键技术五： 知识推理

什么叫做知识推理

知识推理的经典方法：归纳演绎

表示学习和知识推理

课程实践练习与答疑

第八章：知识图谱中的关键技术六： 语义搜索

基于搜索的数据库的设计

海量文本语义搜索系统搭建

课程实践练习与答疑

第九章：知识图谱中的关键技术七： 智能问答

智能问答系统概述

问题语义解析和信息抽取

向量建模和注意力机制

课程实践练习与答疑

第十章：课程项目实践和代码批阅

大项目现场实践与代码批阅答疑