跳转至

知识表示与处理

南京大学当期开设

版本 课程号 课程性质 学分 课表所列教师
人工智能学院 2024 级，2025-2026 学年第二学期 30000160 核心、国际化课程 2 赵一铮

课程与研究团队应分开

课表没有把该课程归属于 Websoft 研究组，也没有“进入某研究组的直通课程”之类官方表述。研究团队链接只作为延伸阅读，不代表课程组织、招生或考核关系。

学科知识框架

知识表示研究如何用可计算的结构表达实体、关系、规则和不确定知识，并支持查询或推理。常见模块包括：

  • 逻辑基础：命题逻辑、一阶逻辑和描述逻辑。
  • 本体与语义网：概念层次、属性约束、RDF、RDFS 和 OWL。
  • 查询语言：图模式匹配以及 SPARQL 等查询机制。
  • 知识图谱构建：模式设计、实体对齐、信息抽取和数据质量。
  • 推理方法：规则推理、逻辑推理和表示学习方法。
  • 系统问题：溯源、版本、冲突处理、可解释性和评估。

这些内容构成学科导读，不能据此推断当期必考题型或项目要求。

学习建议

  1. 先区分语法、语义和推理任务，再学习具体表示语言。
  2. 用小型领域模型练习类、实例、属性和约束之间的关系。
  3. 查询结果要同时检查模式设计、数据质量和开放世界假设。
  4. 构建数据集时记录来源和许可证，不抓取或再分发无授权内容。

公开资源

  • [工具官方] Protégé：本体编辑工具；是否用于当期课程需查看教师要求。
  • [研究组织] nju-websoft GitHub：南京大学相关研究团队公开项目，与本科课程考核没有直接对应关系。
  • [出版教材] 《知识图谱：方法、实践与应用》：知识图谱领域参考书，不作指定教材声明。

一手来源