课程简介：
在人工智能与大数据时代，知识图谱作为结构化知识的核心载体，已成为企业智能化转型的关键技术。本课程系统化讲解知识图谱的理论体系与实战应用，结合DeepSeek大模型的先进能力，带您从零构建行业级知识图谱解决方案。
课程概述：
1.知识图谱核心技术解析
从知识图谱的诞生背景、概念体系到知识表示方法（RDF、OWL等），深度剖析其分类、特点及商业价值。通过顶点、边、实体关系等核心概念，结合Neo4j图数据库的安装与CQL操作（增删改查、数据导入、函数应用），掌握知识存储与管理全流程。同时，详解DeepSeek大模型的架构特性，学习如何通过提示词工程与OpenAI接口调用，实现单轮/多轮对话场景下的知识抽取，打通非结构化数据到结构化图谱的转化链路。
2.行业级图谱应用实战
基于Python与Py2neo库，实战操作Neo4j的节点与关系管理，结合DeepSeek函数调用技术，开发电影知识库问答机器人。通过Streamlit快速搭建Web前端，集成图谱查询、意图识别与多轮对话功能，并扩展至医疗知识库等垂直场景。学员将完整经历数据抽取、图谱构建、服务部署的闭环，获得可迁移的AI工程化能力。
课程特色：
前沿技术融合：知识图谱+大模型+图数据库，紧贴企业级应用需求
全流程实战：覆盖从理论、工具到工业级项目开发的完整链路
场景化案例：电影、医疗双行业图谱构建，代码即学即用
低门槛进阶：无需深度学习基础，适合数据分析师、开发者和AI技术探索者
通过本课程，您将掌握知识图谱的核心方法论与落地技能，具备开发智能问答、决策辅助系统的能力，为金融、医疗、电商等领域的知识驱动型应用奠定坚实基础。
学员预备知识：Python语法基础
课程大纲：
知识图谱概念和Deepseek知识抽取（day1）
知识图谱诞生的背景和概念
知识图谱包括的内容
知识的表示
知识图谱的价值剖析
知识图谱的分类
知识图谱的特点
顶点、边、命名实体、实体关系、知识间的关系
Deepseek大模型简介
使用Deepseek-v3和Deepseek-r1知识图谱
理解提示词工程
使用Deepseek实现知识、属性和关系抽取
理解OpenAI接口
使用接口访问Deepseek，实现单轮聊天抽取知识图谱
使用接口访问Deepseek，实现多轮聊天抽取知识图谱
Neo4j简介和安装
Neo4j图数据组成
CQL命令简介
CQL基本命令-添加删除和修改
CSV文件导入
CQL命令进阶
CQL函数简介
基于Deepseek实现知识图谱应用(day2)
Python使用py2neo操作Neo4j
创建、修改和删除节点和关系
节点和关系查询
理解DeepSeek大模型FuncationCall函数调用
实战：基于DeepSeek实现Neo4j构建图数据库
实战：识别用户意图，实现对电影图谱（添加、删除和修改）
实战：基于电影图谱知识库问答机器人
使用streamlit搭建web前端
Streamlit安装和概述
Streamlit文本显示
Streamlit 数据显示
Streamlit 表单
实战：搭建电影图谱问答机器人前端实现完整功能
实战：基于医疗知识库图谱问答机器人
