知识图谱与认知智能:基本原理、关键技术、应用场景与解决方案电子书

内容简介

推荐序

序言

第1章 知识图谱与认知智能理论的基本概念

1.1 人工智能

1.1.1 人工智能的类型

1.1.2 人工智能的能力层级

1.2 知识图谱

1.2.1 知识的形态

1.2.2 知识图谱的定义

1.2.3 知识图谱涉及的技术领域

1.3 认知智能

1.3.1 认知智能的定义

1.3.2 认知智能与知识图谱的技术关联

1.3.3 认知智能的技术领域

第2章 知识图谱与认知智能的需求场景

2.1 知识图谱与认知智能需求总览

2.1.1 认知智能的产业需求

2.1.2 认知智能的产业落地

2.1.3 认知智能的产业价值

2.1.4 认知智能的产业影响

2.2 个体认知智能

2.2.1 个体对环境的认知智能需求场景

2.2.2 环境对个体的认知智能需求场景

2.3 物联认知智能

2.3.1 消费物联网中的认知智能

2.3.2 工业物联网中的认知智能

2.4 企业认知智能

2.4.1 企业认知智能与企业协同

2.4.2 企业认知智能需求总览

2.4.3 企业全域数据治理场景

2.4.4 企业营销认知智能场景

2.4.5 企业生产认知智能场景

2.4.6 企业经营管理认知智能场景

第3章 知识体系建设

3.1 知识体系建设理论

3.1.1 知识体系定义

3.1.2 知识体系建设的方法

3.1.3 知识体系建设的原则

3.2 用户知识体系

3.2.1 用户画像知识体系理论

3.2.2 用户画像知识体系建设的挑战

3.2.3 用户画像知识体系建设的方法

3.2.4 用户画像基础知识体系

3.2.5 用户营销领域的用户画像知识体系

3.2.6 用户增长领域的用户画像知识体系

3.3 物联知识体系

3.3.1 商品知识图谱知识体系

3.3.2 设备知识图谱知识体系

3.4 企业业务知识体系

3.4.1 企业全域知识体系

3.4.2 企业营销服务知识体系

3.4.3 企业生产与运维知识体系

3.4.4 企业经营管理知识体系

3.4.5 企业风险管理与投资知识体系

3.5 知识体系建设与知识治理

3.5.1 数据治理

3.5.2 知识治理与企业知识战略

第4章 知识图谱构建

4.1 知识图谱构建系统

4.1.1 知识图谱的构建流程

4.1.2 知识图谱构建系统的整体架构

4.2 知识抽取系统

4.2.1 知识抽取的数据来源

4.2.2 知识抽取框架

4.2.3 实体抽取

4.2.4 关系抽取

4.2.5 属性抽取

4.3 知识融合系统

4.3.1 知识融合的流程

4.3.2 知识融合系统的架构

4.3.3 用户域的知识融合

4.3.4 物联域的知识融合

4.3.5 企业域的知识融合

4.4 知识质量校验

第5章 知识存储与计算之图数据库

5.1 知识图谱与图数据库

5.1.1 图数据库的基础知识

5.1.2 知识图谱与图数据库存储解决方案

5.1.3 知识图谱应用与图数据库

5.2 图数据库相关技术

5.2.1 图数据库技术的发展史

5.2.2 图数据库与传统数据库

5.2.3 图数据库的数据模型

5.2.4 图数据库的存储介质

5.2.5 图数据库的引擎

5.3 开源图数据库产品介绍

5.4 图数据库评估标准

第6章 知识存储计算之图计算

6.1 知识图谱与图计算

6.2 图计算基础

6.2.1 图网络的基础定义与理论

6.2.2 节点分析类算法

6.2.3 关系链分析类算法

6.2.4 全图分析类算法

6.2.5 子图匹配算法

6.2.6 社区发现算法

6.3 图深度学习

6.3.1 图深度学习与知识图谱

6.3.2 图神经网络算法的原理

6.3.3 图神经网络算法的对比

6.3.4 图表示学习算法

6.3.5 GraphSAGE

6.3.6 GAT

6.4 图计算框架

6.4.1 图计算平台的难点

6.4.2 开源图计算框架介绍

6.4.3 图计算平台的评估标准

第7章 知识推理

7.1 知识推理的理论

7.1.1 基础理论

7.1.2 认知科学理论

7.1.3 产业实践理论

7.1.4 认知协同理论

7.2 知识推理的技术体系

7.3 知识问答

7.3.1 知识问答的定义与需求场景

7.3.2 垂直域的知识问答

7.3.3 知识问答产品的需求拆解

7.3.4 知识问答技术的难点

7.3.5 知识问答系统的整体技术方案

7.3.6 知识问答系统的技术架构

7.3.7 知识问答系统中的意图识别模块

7.3.8 知识问答系统中的推理查询模块

7.3.9 知识问答系统中的配置管理模块

7.3.10 知识问答运营

7.4 知识补全

7.4.1 知识补全定义

7.4.2 知识补全的方法

7.4.3 知识补全的技术架构与方案

7.4.4 对知识补全的进一步思考

第8章 知识图谱管理平台

8.1 知识图谱管理平台的产品架构

8.1.1 知识图谱管理平台的应用场景与流程

8.1.2 知识图谱管理平台的产品设计挑战

8.1.3 知识图谱管理平台的产品架构概览

8.1.4 知识建模模块

8.1.5 知识构建模块

8.1.6 知识存储与计算模块

8.1.7 知识推理模块

8.1.8 知识图谱管理平台的产品落地

8.2 知识图谱管理平台评估

8.2.1 技术架构评估

8.2.2 知识建模模块评估

8.2.3 知识构建模块评估

8.2.4 知识存储与计算模块评估

8.2.5 知识推理模块评估

8.2.6 安全能力评估

8.2.7 系统运维评估

第9章 知识图谱与营销认知智能

9.1 认知智能与企业营销系统的整体解决方案

9.1.1 用户营销的认知过程

9.1.2 企业营销系统

9.1.3 企业营销认知智能的系统实现

9.1.4 营销认知之企业私域流量场景

9.1.5 营销认知之B2B营销场景

9.1.6 营销认知之企业产销协同场景

9.2 知识图谱与用户智能认知

9.2.1 用户画像分析引擎

9.2.2 用户智能标签引擎

9.2.3 智能用户数据中台

9.3 知识图谱与社群认知引导

9.3.1 社群认知的形态

9.3.2 社群认知引导与社群演变

9.3.3 社群认知引导与智能推荐

9.3.4 社群认知引导与营销机器人

9.4 知识图谱与商品搜索

9.4.1 商品搜索基础理论

9.4.2 商品搜索技术架构

9.5 知识图谱与智能推荐

9.5.1 知识图谱助力推荐的方法论

9.5.2 知识图谱助力推荐的技术架构

9.5.3 知识图谱助力推荐的产品方案

9.5.4 知识图谱助力推荐的标签映射

9.6 知识图谱与营销服务机器人

9.6.1 社群营销机器人

9.6.2 智能客服机器人

9.6.3 营销机器人的认知能力建设

9.7 知识图谱与智能供应链

9.7.1 供应链管理中的知识图谱与认知智能

9.7.2 智能渠道管理

9.7.3 供应链风险预警

9.7.4 企业智能采购助手

第10章 知识图谱与物联网认知智能

10.1 设备认知智能

10.2 设备知识图谱建设

10.3 设备数据采集、存储与计算

10.3.1 设备数据采集与存储计算平台

10.3.2 设备物联网与图数据库

10.3.3 设备物联网与图计算

10.3.4 电网配网潮流计算

10.4 设备健康管理

10.4.1 设备健康状态管理系统

10.4.2 设备运维检修

10.5 设备智能调度与先进控制

10.5.1 设备智能调度

10.5.2 设备先进控制

10.6 能源设备认知智能解决方案

10.6.1 能源设备认知智能解决方案总览

10.6.2 能源设备知识图谱建设

10.6.3 能源的知识推理案例：能源设备运行断面检索

第11章 知识图谱与企业认知智能

11.1 企业认知大脑

11.1.1 企业认知智能战略

11.1.2 企业认知大脑的整体架构

11.1.3 企业认知大脑与企业物联网平台

11.1.4 企业认知大脑与企业数据中台

11.1.5 企业认知大脑与企业AI中台

11.1.6 企业认知智能应用体系

11.1.7 企业认知大脑的团队建设

11.1.8 企业认知大脑的落地流程示例

11.1.9 企业认知大脑的投入产出分析

11.2 企业知识库

11.2.1 企业知识库面临的挑战

11.2.2 企业知识库与知识图谱

11.2.3 企业知识库的解决方案

11.3 企业决策助手

11.3.1 企业决策助手的理论体系

11.3.2 企业决策助手的产品需求

11.3.3 企业决策助手的产品方案

11.3.4 企业管理驾驶舱

11.3.5 商业智能决策助手

11.3.6 专业智能决策助手

11.4 企业办公智能

11.4.1 企业办公协同

11.4.2 企业数字人

11.4.3 企业智能组织管理

11.5 企业风控与投资认知智能

11.5.1 企业风控认知智能

11.5.2 企业投资认知智能

11.6 企业认知智能与个体认知智能

11.6.1 认知博弈与认知协同

11.6.2 宏观协同与微观协同

第12章 认知智能与数据交易流通

12.1 数据的要素

12.2 数据交易的特性

12.3 数据交易的解决方案

12.3.1 数据交易解决方案总览

12.3.2 数据交易的平台建设

12.3.3 数据交易的知识治理

12.3.4 数据交易的需求匹配

12.3.5 数据交易的隐私保护