差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- courses:ke [2025/05/19 13:03] – [课堂研讨] whu
+++ courses:ke [2026/04/07 14:00] (当前版本) – [课堂研讨] whu
@@ 行 20: / 行 20: @@
 教师：[[http://ws.nju.edu.cn/~whu|胡伟]]\\
 授课对象：南京大学研究生\\
-授课地点：仙 II-316\\
+授课地点：仙 II-113\\
-授课时间：周五 3~4 节\\
+授课时间：周二 7~8 节\\
 参考教材：瞿裕忠, 胡伟, 程龚. 语义网技术体系. 科学出版社, 2014
@@ 行 46: / 行 46: @@
 将提供一批经典论文，并对这些论文提出一些导向性问题。学生需要自选阅读论文，结合对论文的提问，在课堂研讨中对论文的内容进行概述，并对论文中自己特别有体会的地方进行深入阐述。
-**论文挑选规则.** 两人一组，根据报告人学号尾数按 mod 3 的余数选择论文主题；每个主题内的论文可以自由选择；每组报告时长为 15 分钟，外加两分钟问答；课堂进行研讨。
+**论文挑选规则.** 两人一组，根据报告人学号尾数按 mod 3 的余数选择论文主题；每个主题内的论文可以自由选择；每组报告时长为 12 分钟，外加两分钟问答；课堂进行研讨。
-  * **第一次课堂研讨的论文:** 4 月 18 日
+  * **第一次课堂研讨的论文:** 4 月 21 日
     * 知识抽取 (//报告人学号尾数 mod 3 = 0//)
       * Improving Distantly-Supervised Relation Extraction with Joint Label Embedding
@@ 行 57: / 行 57: @@
       * Knowledge Vault: A Web-Scale Approach to Probabilistic Knowledge Fusion
       * Probase: A Probabilistic Taxonomy for Text Understanding
-    * 预训练语言模型 (//报告人学号尾数 mod 3 = 2//)
+    * 语言模型知识增强 (//报告人学号尾数 mod 3 = 2//)
-      * K-BERT: Enabling Language Representation with Knowledge Graph
+      * KEPLER: A Unified Model for Knowledge Embedding and Pre-trained Language Representation
-      * ERNIE: Enhanced Language Representation with Informative Entities
+      * ERNIE 3.0: Large-scale Knowledge Enhanced Pre-training for Language Understanding and Generation
-      * KnowLA: Enhancing Parameter-efficient Finetuning with Knowledgeable Adaptation
+      * WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization
-  * **第二次课堂研讨的论文:** 5 月 30 日
+  * **第二次课堂研讨的论文:** x 月 xx 日
     * 搜索推荐 (//报告人学号尾数 mod 3 = 0//)
-      * Fielded Sequential Dependence Model for Ad-Hoc Entity Retrieval in the Web of Data
+      *
-      * What Links Alice and Bob?: Matching and Ranking Semantic Patterns in Heterogeneous Networks
-      * RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems
     * 知识融合 (//报告人学号尾数 mod 3 = 1//)
-      * PARIS: Probabilistic Alignment of Relations, Instances, and Schema
+      *
-      * Deep Learning for Entity Matching: A Design Space Exploration
-      * Deep Entity Matching with Pre-Trained Language Models
     * 机器问答 (//报告人学号尾数 mod 3 = 2//)
-      * Answering Natural Language Questions by Subgraph Matching over Knowledge Graphs
+      *
-      * Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings
-      * RNG-KBQA: Generation Augmented Iterative Ranking for Knowledge Base Question Answering
 ----
@@ 行 92: / 行 86: @@
 <WRAP half column>
 教师：[[whu@nju.edu.cn|胡伟]]\\
-答疑时间：周五下午 2~4 点
+答疑时间：周二下午 2~4 点
 </WRAP>
 <WRAP half column>
-QQ群：1034965957 (限校内选课学生，请注明姓名学号)\\
+QQ群：327767069 (限校内选课学生，请注明姓名学号)\\
 地点：仙林校区计算机楼 405 室
 </WRAP>
@@ 行 109: / 行 103: @@
   * 肖仰华 等. 知识图谱: 概念与技术. 电子工业出版社, 2019
   * 王昊奋, 漆桂林, 陈华钧. 知识图谱: 方法、实践与应用. 电子工业出版社, 2019
+  * 赵鑫, 李军毅, 周昆, 文继荣. 大语言模型. 2024