第1章 知识图谱介绍及其应用领域分析
57分钟6节
1-1课程介绍[09:40]
1-2知识图谱通俗解读[07:55]
1-3知识图谱在搜索引擎中的应用[08:08]
1-4知识图谱在医疗领域应用实例[13:24]
1-5金融与推荐领域的应用[08:31]
1-6数据获取分析[10:20]
第2章 知识图谱涉及技术点分析
46分钟6节
2-1数据关系抽取分析[08:34]
2-2常用NLP技术点分析[08:26]
2-3graph-embedding的作用与效果[09:37]
2-4金融领域图编码实例[04:30]
2-5视觉领域图编码实例[07:18]
2-6图谱知识融合与总结分析[08:07]
第3章 Neo4j数据库实战
42分钟5节
3-1Neo4j图数据库介绍[08:33]
3-2Neo4j数据库安装流程演示[07:09]
3-3可视化例子演示[09:08]
3-4创建与删除操作演示[08:40]
3-5数据库更改查询操作演示[08:35]
第4章 使用python操作neo4j实例
30分钟4节
4-1使用Py2neo建立连接[05:56]
4-2提取所需的指标信息[07:57]
4-3在图中创建实体[07:36]
4-4根据给定实体创建关系[08:35]
第5章 基于知识图谱的医药问答系统实战
1小时22分钟10节
5-1项目概述与整体架构分析[07:31]
5-2医疗数据介绍及其各字段含义[07:25]
5-3任务流程概述[05:47]
5-4环境配置与所需工具包安装[06:35]
5-5提取数据中的关键字段信息[11:35]
5-6创建关系边[08:17]
5-7打造医疗知识图谱模型[10:54]
5-8加载所有实体数据[06:52]
5-9实体关键词字典制作[08:36]
5-10完成对话系统构建[09:02]
第6章 文本关系抽取实践
1小时2分钟8节
6-1关系抽取要完成的任务演示与分析[05:08]
6-2LTP工具包概述介绍[08:33]
6-3pyltp安装与流程演示[07:16]
6-4得到分词与词性标注结果[06:41]
6-5依存句法概述[05:46]
6-6句法分析结果整理[09:12]
6-7语义角色构建与分析[11:00]
6-8设计规则完成关系抽取[09:23]
第7章 金融平台风控模型实践
55分钟7节
7-1竞赛任务目标[05:36]
7-2图模型信息提取[08:58]
7-3节点权重特征提取(PageRank)[10:22]
7-4deepwalk构建图顶点特征[10:33]
7-5各项统计特征[06:43]
7-6app安装特征[06:28]
7-7图中联系人特征[06:54]
第8章 医学糖尿病数据命名实体识别
51分钟6节
8-1数据与任务介绍[07:03]
8-2整体模型架构[04:48]
8-3数据-标签-语料库处理[10:15]
8-4输入样本填充补齐[09:24]
8-5训练网络模型[10:00]
8-6医疗数据集（糖尿病）实体识别[09:57]
第9章 基于图模型的行人重识别架构分析
1小时43分钟13节
9-1行人重识别要解决的问题[06:00]
9-2挑战与困难分析[12:14]
9-3评估标准rank1指标[04:03]
9-4map值计算方法[05:42]
9-5triplet损失计算实例[09:40]
9-6Hard-Negative方法应用[09:28]
9-7关键点位置特征构建[06:52]
9-8图卷积与匹配的作用[07:51]
9-9局部特征热度图计算[08:39]
9-10基于图卷积构建人体拓扑关系[10:10]
9-11图卷积模块实现方法[08:56]
9-12图匹配在行人重识别中的作用[05:51]
9-13整体算法框架分析[08:09]
第10章 基于拓扑图的行人重识别项目实战
1小时41分钟10节
10-1数据集与环境配置概述[08:02]
10-2局部特征准备方法[07:28]
10-3得到一阶段热度图结果[08:54]
10-4阶段监督训练[13:24]
10-5初始化图卷积模型[10:25]
10-6mask矩阵的作用[07:05]
10-7邻接矩阵学习与更新[10:21]
10-8基于拓扑结构组合关键点特征[12:32]
10-9图匹配模块计算流程[13:57]
10-10整体项目总结[08:56]
第11章 基础补充-RNN与序列网络架构分析
47分钟6节
11-1序列网络模型概述分析[08:57]
11-2工作原理概述[03:51]
11-3注意力机制的作用[06:00]
11-4加入attention的序列模型整体架构[09:23]
11-5TeacherForcing的作用与训练策略[07:11]
11-6额外补充-RNN网络模型解读[11:52]
第12章 算法补充-卷积神经网络原理与参数解读
1小时25分钟12节
12-1卷积神经网络应用领域[07:25]
12-2卷积的作用[09:23]
12-3卷积特征值计算方法[08:07]
12-4得到特征图表示[06:59]
12-5步长与卷积核大小对结果的影响[08:11]
12-6边缘填充方法[06:30]
12-7特征图尺寸计算与参数共享[07:02]
12-8池化层的作用[05:38]
12-9整体网络架构[06:20]
12-10VGG网络架构[06:16]
12-11残差网络Resnet[07:41]
12-12感受野的作用[05:46]
评论0