Представление знаний и приложения 2020 — различия между версиями

Материал из CSC Wiki
Перейти к:навигация, поиск
(Полезные ссылки)
Строка 24: Строка 24:
  
 
== Полезные ссылки ==
 
== Полезные ссылки ==
 +
 +
Graham Neubig. [http://phontron.com/class/nn4nlp2020/schedule/knowledge-based-qa.html Learning from/for Knowledge Graphs] (Neural Networks for NLP course @ CMU)
 +
 +
Semantic Parsing resources:

Версия 10:55, 13 января 2020

Контакты

Преподаватель: Павел Браславский pbras [AT] yandex.ru

Учебные ассистенты:

Павел: pavel.vl.efimov [AT] gmail.com

Влад: vladislavneon1 [AТ] mail.ru

Лекции

  1. Введение. Обзор курса. Краткая история дициплины. Данные — информация — знания. Представление знаний в различных отраслях знаний. Язык и знания. Проблема представления знания в философии. Логика. Искусственный интеллект и представление знаний.
  2. Логический подход к представлению знаний. Логика высказываний. Логика первого порядка. Логический вывод. Нормальные формы. Дескрипционная логика. Продукционные системы. Объектно-ориентированные модели представления знаний.
  3. Semantic Web: история, идеи, стандарты, инструменты. RDF, RDF(S), RDFa: принципы, нотации, типы данных, язык, классы, отношения. SPARQL, OWL. Инструменты.
  4. Семантические ресурсы: wordnet, cyc, babelNet, dbpedia, yago, freebase, wikidata. Лингвистические семантические ресурсы: FrameNet, VerbNet, AMR, OpenIE.
  5. Семантический поиск (поиск сущностей)
  6. Методы извлечения отношений из текста, методы связывания сущностей в базе знаний.
  7. Вопросно-ответный поиск: понимание прочитанного текста (reading comprehension). Краткая история QA, данные, методы.
  8. Поиск ответа по базе знаний (knowlege base question answering). Семантической разбор (semantic parsing).

Семинары и практические занятия

Полезные ссылки

Graham Neubig. Learning from/for Knowledge Graphs (Neural Networks for NLP course @ CMU)

Semantic Parsing resources: