（1）知識圖譜概論與技術(shù)架構(gòu)：了解知識圖譜的起源與發(fā)展歷程（從經(jīng)典人工智能知識工程到語義Web，再到現(xiàn)代知識圖譜）。理解知識圖譜的核心價值（語義搜索、智能問答、推薦計算、大數(shù)據(jù)分析）和知識圖譜分類（通用知識圖譜與領(lǐng)域知識圖譜）。掌握知識圖譜的整體技術(shù)架構(gòu)，從底層圖數(shù)據(jù)庫到D2R/NL2R數(shù)據(jù)入圖再到圖譜消費應用的全流程。
（2）知識表示方法與OWL本體建模：理解知識表示的核心概念，學習人工智能歷史發(fā)展中的知識表示方法（產(chǎn)生式表示、框架表示、語義網(wǎng)絡）。掌握知識圖譜的符號表示方法（RDF、RDFS、OWL本體語言），學習知識圖譜的向量表示方法（TransE等知識表示學習模型）。深入理解本體（Ontology）的核心概念（類、屬性、關(guān)系、約束），掌握使用Protégé工具構(gòu)建OWL本體的完整流程，包括類層次結(jié)構(gòu)設計、對象/數(shù)據(jù)屬性定義、限制條件添加和公理設置。理解開放世界假設與封閉世界假設的區(qū)別，掌握必要條件和充分條件的建模技巧。
（3）知識圖譜全生命周期管理：掌握知識圖譜生命周期的核心概念，從知識建模、知識獲取、知識融合、知識存儲、知識計算到知識應用的全流程。理解各階段所需解決的相關(guān)問題與技術(shù)難點，建立知識圖譜項目的系統(tǒng)工程觀。
（4）知識抽�。簩嶓w識別與關(guān)系抽取：學習非結(jié)構(gòu)化文本中的知識抽取技術(shù)。掌握實體識別（命名實體識別、細粒度實體識別）的方法，學習關(guān)系抽�。ㄏ薅ㄓ蜿P(guān)系抽取、開放域關(guān)系抽�。┑膶崿F(xiàn)。掌握基于深度學習的關(guān)系抽取主流模型（SPO抽取模型），包括基于序列標注的SPO模型設計和基于意圖識別+槽位抽取的SPO模型設計。了解概念抽取和事件識別與抽取技術(shù)。
（5）領(lǐng)域短語挖掘與同義詞挖掘：掌握領(lǐng)域短語挖掘的算法和統(tǒng)計指標，學習同義詞挖掘和縮略詞抽取的實現(xiàn)方法。理解實體消歧的核心問題（同名實體區(qū)分），掌握基于聚類的實體消歧方法和基于鏈接的實體消歧方法，學習實體鏈接技術(shù)將文本中的提及映射到知識庫中的目標實體。
（6）知識融合與實體對齊：理解知識圖譜融合的必要性和挑戰(zhàn)。掌握概念層融合技術(shù)（本體匹配/本體對齊），學習實例層融合技術(shù)（實體對齊/實體匹配）的實現(xiàn)方法。了解知識融合技術(shù)的前沿發(fā)展，包括基于表示學習的實體對齊方法。
（7）知識圖譜存儲與查詢：掌握基于關(guān)系型數(shù)據(jù)庫的知識圖譜存儲方案（RDF三元組表、屬性表）。學習基于原生圖數(shù)據(jù)庫（Neo4j、JanusGraph）的存儲實現(xiàn)，理解原生圖數(shù)據(jù)庫的實現(xiàn)原理。掌握Cypher查詢語言的使用方法，實現(xiàn)圖譜數(shù)據(jù)的靈活檢索。了解JanusGraph與Neo4j的對比及適用場景選擇。
（8）知識圖譜建模與可視化實戰(zhàn)：使用圖數(shù)據(jù)庫完成知識建模表示，學習數(shù)據(jù)批量導入方法（D2R工具、Python操作Neo4j）。掌握知識圖譜的可視化分析方法，實現(xiàn)圖譜數(shù)據(jù)的直觀展示和探索。
（9）知識圖譜推理與計算：理解推理的基本概念和知識圖譜推理的分類。掌握基于本體（Ontology）的推理和基于規(guī)則的推理。學習基于嵌入學習的知識圖譜推理和基于規(guī)則學習的知識圖譜推理。了解本體嵌入（Ontology Embedding）在概念層推理中的應用。掌握知識圖譜的計算能力，包括圖算法（PageRank、社區(qū)發(fā)現(xiàn)）的實現(xiàn)。
（10）知識圖譜問答系統(tǒng)：了解智能問答系統(tǒng)的分類和知識圖譜問答的應用場景。掌握基于查詢模板的知識圖譜問答、基于語義解析的問答方法、基于檢索排序的問答方法和基于深度學習的知識圖譜問答。實戰(zhàn)完成基于知識圖譜的醫(yī)藥問答系統(tǒng)或企業(yè)知識問答系統(tǒng)。
（11）知識圖譜與大模型融合（RAG與GraphRAG）：理解大模型與知識圖譜結(jié)合的三大方向（知識圖譜增強大模型、大模型增強知識圖譜、知識增強的語言預訓練）。掌握檢索增強生成（RAG）的原理與優(yōu)化方法，包括向量表征、混合搜索和RAG優(yōu)化策略。學習GraphRAG的設計框架，掌握微軟GraphRAG工具的應用。實踐知識圖譜與向量檢索的混合搜索技術(shù)。
（12）綜合項目實戰(zhàn)：行業(yè)知識圖譜系統(tǒng)開發(fā)：結(jié)合所學知識，完成一個完整的行業(yè)知識圖譜項目（如金融風控知識圖譜、醫(yī)藥疾病知識圖譜、企業(yè)信息知識圖譜等）。涵蓋需求分析、本體設計、知識抽取、圖數(shù)據(jù)庫存儲、查詢接口開發(fā)和與大模型融合應用的全流程，形成規(guī)范的知識圖譜項目報告。
