掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
知識圖譜與認知智能:基本原理、關鍵技術、應用場景與解決方案 版權信息
- ISBN：9787121425950
- 條形碼：9787121425950 ; 978-7-121-42595-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
知識圖譜與認知智能:基本原理、關鍵技術、應用場景與解決方案 本書特色
從理論到產業應用詳解知識圖譜與認知智能，涉及知識體系建設、知識圖譜構建、知識存儲、知識推理的基本原理與關鍵技術，以及應用方法本書詳細講解知識圖譜的基本原理、構建方式、使用場景等，以及產業界應用知識圖譜解決不同領域問題的很多案例。 本書提及的知識圖譜和認知智能，以數據中臺為基礎，以知識連接為核心，是企業將大數據作為公司級戰略的重要抓手。 在產業互聯網快速發展的今天，大量企業為提升市場競爭力而進行數字化轉型。企業的數字化轉型進一步推動企業文本、語音、圖像等信息的大規模增長，如何有效、極大化地挖掘這些海量信息的價值成為一大挑戰，知識圖譜則是應對這一挑戰的有力武器之一。知識圖譜以可視化方式展現數據的價值，可以幫助企業優化業務流程，做更科學的決策并發現未知的機遇。 本書全面闡述了知識圖譜的基本原理、構建方式、使用場景等，同時介紹了產業界應用知識圖譜解決不同領域問題的很多案例，可以幫助學生及AI技術人員等學習和應用知識圖譜，也是企業管理者借助知識圖譜構建新的商業模式、挖掘企業未知潛力、提升企業競爭力的優秀參考書籍。 ——騰訊云副總裁 趙建春 本書中提及的知識圖譜和認知智能，以數據中臺為基礎，以知識連接為核心，是企業將大數據作為公司級戰略的重要抓手。這種從信息到知識再到智慧產生的底層邏輯體現了互聯網時代網絡式的、自組織的、自下而上涌現的公司治理思維和模式。 ——清華大學社會學系與公共管理學院合聘教授 羅家德
知識圖譜與認知智能:基本原理、關鍵技術、應用場景與解決方案 內容簡介
認知的高度決定了你創造價值的高度，包括你對世界的認知及世界對你的認知。知識圖譜與認知智能技術的發展，既孕育了圈層變更的機會，也帶來了人、機器、企業如何協同與博弈的難題。 本書總計12章，從理論到產業應用對知識圖譜與認知智能進行了介紹。第1～7章圍繞知識圖譜與認知智能的需求，以用戶、設備、企業為中心，講解知識體系建設、知識圖譜構建、知識存儲、知識推理的基本原理與關鍵技術。第8～12章講解如何運用知識圖譜與認知智能技術，構建產品化及系統化解決方案，以滿足企業營銷、服務、供應鏈、生產、運維、經營管理、數據交易等應用場景的業務需求。 讀者通過本書可以了解企業認知智能的原理、應用方法、執行策略，以此構建企業認知博弈的優異策略。企業數據智能相關從業者可以參考本書，構建以用戶為中心的企業認知智能解決方案，通過人機協同的方式，實現對業務的認知與引導，并從業務演變中獲益。此外，本書可以作為自然語言處理、知識工程、人工智能、社會計算等相關課程的教材。
知識圖譜與認知智能:基本原理、關鍵技術、應用場景與解決方案 目錄
第1章 知識圖譜與認知智能理論的基本概念 1
1.1 人工智能 2
1.1.1 人工智能的類型 2
1.1.2 人工智能的能力層級 5
1.2 知識圖譜 6
1.2.1 知識的形態 6
1.2.2 知識圖譜的定義 7
1.2.3 知識圖譜涉及的技術領域 9
1.3 認知智能 10
1.3.1 認知智能的定義 10
1.3.2 認知智能與知識圖譜的技術關聯 13
1.3.3 認知智能的技術領域 14
第2章 知識圖譜與認知智能的需求場景 15
2.1 知識圖譜與認知智能需求總覽 16
2.1.1 認知智能的產業需求 16
2.1.2 認知智能的產業落地 18
2.1.3 認知智能的產業價值 21
2.1.4 認知智能的產業影響 22
2.2 個體認知智能 23
2.2.1 個體對環境的認知智能需求場景 23
2.2.2 環境對個體的認知智能需求場景 25
2.3 物聯認知智能 26
2.3.1 消費物聯網中的認知智能 27
2.3.2 工業物聯網中的認知智能 29
2.4 企業認知智能 31
2.4.1 企業認知智能與企業協同 32
2.4.2 企業認知智能需求總覽 33
2.4.3 企業全域數據治理場景 35
2.4.4 企業營銷認知智能場景 36
2.4.5 企業生產認知智能場景 38
2.4.6 企業經營管理認知智能場景 40
第3章 知識體系建設 42
3.1 知識體系建設理論 43
3.1.1 知識體系定義 43
3.1.2 知識體系建設的方法 44
3.1.3 知識體系建設的原則 48
3.2 用戶知識體系 49
3.2.1 用戶畫像知識體系理論 50
3.2.2 用戶畫像知識體系建設的挑戰 51
3.2.3 用戶畫像知識體系建設的方法 52
3.2.4 用戶畫像基礎知識體系 56
3.2.5 用戶營銷領域的用戶畫像知識體系 58
3.2.6 用戶增長領域的用戶畫像知識體系 62
3.3 物聯知識體系 63
3.3.1 商品知識圖譜知識體系 64
3.3.2 設備知識圖譜知識體系 66
3.4 企業業務知識體系 69
3.4.1 企業全域知識體系 69
3.4.2 企業營銷服務知識體系 71
3.4.3 企業生產與運維知識體系 72
3.4.4 企業經營管理知識體系 73
3.4.5 企業風險管理與投資知識體系 74
3.5 知識體系建設與知識治理 78
3.5.1 數據治理 79
3.5.2 知識治理與企業知識戰略 84
第4章 知識圖譜構建 86
4.1 知識圖譜構建系統 87
4.1.1 知識圖譜的構建流程 87
4.1.2 知識圖譜構建系統的整體架構 90
4.2 知識抽取系統 92
4.2.1 知識抽取的數據來源 92
4.2.2 知識抽取框架 94
4.2.3 實體抽取 100
4.2.4 關系抽取 101
4.2.5 屬性抽取 103
4.3 知識融合系統 104
4.3.1 知識融合的流程 104
4.3.2 知識融合系統的架構 106
4.3.3 用戶域的知識融合 108
4.3.4 物聯域的知識融合 110
4.3.5 企業域的知識融合 111
4.4 知識質量校驗 112
第5章 知識存儲與計算之圖數據庫 115
5.1 知識圖譜與圖數據庫 116
5.1.1 圖數據庫的基礎知識 116
5.1.2 知識圖譜與圖數據庫存儲解決方案 118
5.1.3 知識圖譜應用與圖數據庫 121
5.2 圖數據庫相關技術 122
5.2.1 圖數據庫技術的發展史 122
5.2.2 圖數據庫與傳統數據庫 123
5.2.3 圖數據庫的數據模型 124
5.2.4 圖數據庫的存儲介質 125
5.2.5 圖數據庫的引擎 126
5.3 開源圖數據庫產品介紹 126
5.4 圖數據庫評估標準 129
第6章 知識存儲計算之圖計算 130
6.1 知識圖譜與圖計算 131
6.2 圖計算基礎 134
6.2.1 圖網絡的基礎定義與理論 134
6.2.2 節點分析類算法 136
6.2.3 關系鏈分析類算法 137
6.2.4 全圖分析類算法 138
6.2.5 子圖匹配算法 138
6.2.6 社區發現算法 138
6.3 圖深度學習 139
6.3.1 圖深度學習與知識圖譜 140
6.3.2 圖神經網絡算法的原理 141
6.3.3 圖神經網絡算法的對比 143
6.3.4 圖表示學習算法 144
6.3.5 GraphSAGE 146
6.3.6 GAT 148
6.4 圖計算框架 149
6.4.1 圖計算平臺的難點 149
6.4.2 開源圖計算框架介紹 150
6.4.3 圖計算平臺的評估標準 152
第7章 知識推理 155
7.1 知識推理的理論 156
7.1.1 基礎理論 156
7.1.2 認知科學理論 157
7.1.3 產業實踐理論 157
7.1.4 認知協同理論 159
7.2 知識推理的技術體系 161
7.3 知識問答 163
7.3.1 知識問答的定義與需求場景 163
7.3.2 垂直域的知識問答 166
7.3.3 知識問答產品的需求拆解 167
7.3.4 知識問答技術的難點 168
7.3.5 知識問答系統的整體技術方案 169
7.3.6 知識問答系統的技術架構 171
7.3.7 知識問答系統中的意圖識別模塊 174
7.3.8 知識問答系統中的推理查詢模塊 174
7.3.9 知識問答系統中的配置管理模塊 177
7.3.10 知識問答運營 178
7.4 知識補全 179
7.4.1 知識補全定義 179
7.4.2 知識補全的方法 180
7.4.3 知識補全的技術架構與方案 183
7.4.4 對知識補全的進一步思考 184
第8章 知識圖譜管理平臺 186
8.1 知識圖譜管理平臺的產品架構 187
8.1.1 知識圖譜管理平臺的應用場景與流程 187
8.1.2 知識圖譜管理平臺的產品設計挑戰 188
8.1.3 知識圖譜管理平臺的產品架構概覽 189
8.1.4 知識建模模塊 190
8.1.5 知識構建模塊 191
8.1.6 知識存儲與計算模塊 193
8.1.7 知識推理模塊 194
8.1.8 知識圖譜管理平臺的產品落地 195
8.2 知識圖譜管理平臺評估 197
8.2.1 技術架構評估 198
8.2.2 知識建模模塊評估 199
8.2.3 知識構建模塊評估 199
8.2.4 知識存儲與計算模塊評估 200
8.2.5 知識推理模塊評估 201
8.2.6 安全能力評估 202
8.2.7 系統運維評估 202
第9章 知識圖譜與營銷認知智能 204
9.1 認知智能與企業營銷系統的整體解決方案 205
9.1.1 用戶營銷的認知過程 206
9.1.2 企業營銷系統 207
9.1.3 企業營銷認知智能的系統實現 209
9.1.4 營銷認知之企業私域流量場景 212
9.1.5 營銷認知之B2B營銷場景 214
9.1.6 營銷認知之企業產銷協同場景 216
9.2 知識圖譜與用戶智能認知 217
9.2.1 用戶畫像分析引擎 218
9.2.2 用戶智能標簽引擎 219
9.2.3 智能用戶數據中臺 227
9.3 知識圖譜與社群認知引導 231
9.3.1 社群認知的形態 231
9.3.2 社群認知引導與社群演變 233
9.3.3 社群認知引導與智能推薦 234
9.3.4 社群認知引導與營銷機器人 236
9.4 知識圖譜與商品搜索 238
9.4.1 商品搜索基礎理論 239
9.4.2 商品搜索技術架構 241
9.5 知識圖譜與智能推薦 244
9.5.1 知識圖譜助力推薦的方法論 245
9.5.2 知識圖譜助力推薦的技術架構 247
9.5.3 知識圖譜助力推薦的產品方案 250
9.5.4 知識圖譜助力推薦的標簽映射 253
9.6 知識圖譜與營銷服務機器人 254
9.6.1 社群營銷機器人 255
9.6.2 智能客服機器人 256
9.6.3 營銷機器人的認知能力建設 258
9.7 知識圖譜與智能供應鏈 260
9.7.1 供應鏈管理中的知識圖譜與認知智能 261
9.7.2 智能渠道管理 263
9.7.3 供應鏈風險預警 264
9.7.4 企業智能采購助手 266
第10章 知識圖譜與物聯網認知智能 269
10.1 設備認知智能 270
10.2 設備知識圖譜建設 272
10.3 設備數據采集、存儲與計算 274
10.3.1 設備數據采集與存儲計算平臺 274
10.3.2 設備物聯網與圖數據庫 275
10.3.3 設備物聯網與圖計算 277
10.3.4 電網配網潮流計算 278
10.4 設備健康管理 280
10.4.1 設備健康狀態管理系統 280
10.4.2 設備運維檢修 283
10.5 設備智能調度與先進控制 286
10.5.1 設備智能調度 286
10.5.2 設備先進控制 288
10.6 能源設備認知智能解決方案 290
10.6.1 能源設備認知智能解決方案總覽 290
10.6.2 能源設備知識圖譜建設 291
10.6.3 能源的知識推理案例：能源設備運行斷面檢索 295
第11章 知識圖譜與企業認知智能 300
11.1 企業認知大腦 301
11.1.1 企業認知智能戰略 301
11.1.2 企業認知大腦的整體架構 304
11.1.3 企業認知大腦與企業物聯網平臺 308
11.1.4 企業認知大腦與企業數據中臺 309
11.1.5 企業認知大腦與企業AI中臺 310
11.1.6 企業認知智能應用體系 311
11.1.7 企業認知大腦的團隊建設 313
11.1.8 企業認知大腦的落地流程示例 315
11.1.9 企業認知大腦的投入產出分析 317
11.2 企業知識庫 319
11.2.1 企業知識庫面臨的挑戰 319
11.2.2 企業知識庫與知識圖譜 320
11.2.3 企業知識庫的解決方案 321
11.3 企業決策助手 323
11.3.1 企業決策助手的理論體系 323
11.3.2 企業決策助手的產品需求 325
11.3.3 企業決策助手的產品方案 326
11.3.4 企業管理駕駛艙 329
11.3.5 商業智能決策助手 332
11.3.6 專業智能決策助手 334
11.4 企業辦公智能 338
11.4.1 企業辦公協同 338
11.4.2 企業數字人 339
11.4.3 企業智能組織管理 342
11.5 企業風控與投資認知智能 344
11.5.1 企業風控認知智能 345
11.5.2 企業投資認知智能 346
11.6 企業認知智能與個體認知智能 351
11.6.1 認知博弈與認知協同 351
11.6.2 宏觀協同與微觀協同 352
第12章 認知智能與數據交易流通 354
12.1 數據的要素 355
12.2 數據交易的特性 356
12.3 數據交易解決方案 357
12.3.1 數據交易解決方案總覽 358
12.3.2 數據交易的平臺建設 359
12.3.3 數據交易的知識治理 361
12.3.4 數據交易的需求匹配 361
12.3.5 數據交易的隱私保護 363
展開全部
知識圖譜與認知智能:基本原理、關鍵技術、應用場景與解決方案 作者簡介
吳睿 畢業于倫敦大學學院，主要研究方向為用戶認知與引導，相關領域包括用戶畫像、知識圖譜、認知智能、搜索推薦、智能對話、社會計算等。 作為騰訊數據智能技術負責人，主導了多項騰訊云企業數據智能項目的落地，涉及營銷、服務、生產、運維、企業經營管理等多個領域，開發了騰訊星圖、騰訊云知識圖譜、騰訊云圖計算等多款產品。 作為騰訊數據負責人，主導規劃并建設了QQ用戶畫像體系，通過統一的數據中臺，支持廣告營銷、個性化推薦、用戶增長、信貸風控、金融投資等多項業務。
書友推薦
- >
煙與鏡
- >
莉莉和章魚
- >
月亮虎
- >
名家帶你讀魯迅:故事新編
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
山海經
- >
史學評論
- >
推拿
本類暢銷
