大学本科计算机科学与技术专业三年级：知识图谱推理方法教学设计.docxVIP

大学本科计算机科学与技术专业三年级：知识图谱推理方法教学设计

一、课程定位与目标

（一）课程定位

本课程是计算机科学与技术专业人工智能方向的核心选修课，面向已完成数据结构、数据库原理、机器学习基础学习的大三学生开设。课程立足于知识工程与现代人工智能技术的前沿交叉地带，以知识图谱为数据载体，以推理方法为技术主轴，旨在打通符号主义与连接主义在知识处理领域的壁垒。课程承袭《知识表示与处理》的理论脉络，同时为后续《自然语言处理》《智能问答系统》《推荐系统》等课程提供关键的方法论支撑。课程定位为理论深度与实践强度并重的“金课”，以研究型教学范式驱动学生从方法使用者向方法理解者乃至方法改进者跃迁。

（二）教学目标

1.知识与技能目标

【基础】精准复述知识图谱的核心要素：实体、关系、属性、语义类、图结构；熟练使用RDF、RDFS、OWL对领域知识进行建模，并能通过SPARQL完成单跳与多跳查询。【重要】系统阐述知识图谱推理的基本问题，从图结构推理、逻辑规则推理、分布表示推理三大范式出发，归纳各类方法的数学本质与算法流程。【非常重要】独立实现基于翻译的嵌入模型（TransE）及其变体，在标准数据集上完成链接预测任务；能够依据具体业务场景的特征（数据稀疏性、图异质性、推理深度）合理选型推理算法，并对模型输出进行可解释性分析。【高频考点】嵌入模型的得分函数与负采样策略；图神经网络的消息传递机制；路径排