大纲：

1、基于非结构话数据的知识抽取

2、基于结构化数据的知识抽取

3、知识融合与质量评估

基于非结构化数据的知识抽取(比重比较大)

lstm学习特征输入crf生成更复杂的特征

关系抽取抽取的是两个实体之间满足的什么关系

事件抽取更泛化一些，多个实体，多个关系

不同事件抽取内容参数要求不同

不同事件有不同的触发词，触发词包含哪些元素

深度学习特征抽取

CNN:Event Extraction via Dynamic Multi-Pooling Convolutional

RNN：

Joint Event Extraction via Recurrent Neural Networks

小结：

非结构化数据的知识抽取

实体识别：

基于规则和词典的方法

基于统计方法

基于深度学习

关系抽取

规则引擎：Ratel

远程监督

事件抽取

预定义事件的模版

触发词－>事件类型 －>参数识别 －>参数角色识别

基于结构化数据的知识抽取（面向对象数据库数据）

知识融合与质量评估

不同数据源数据进行合并

小结：

知识图谱构建是知识图谱应用的基础

自动化程度和构建笑了直接影响了知识图谱的应用成本

领域知识图谱的业务复杂性影响着构建的难度