大數據知識工程 鄭慶華(等)著 9787030731654 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202301*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：大數據知識工程
ISBN：9787030731654
出版社：科學
著編譯者：鄭慶華(等)著
頁數：223
所在地：中國大陸 *此為代購商品
書號：1514209
可大量預訂，請先連絡。

內容簡介

大數據知識工程旨在從大數據中獲取知識、表示知識，並基於這些知識進行推理計算，解決大數據背景下的實際工程問題。大數據知識工程是信息化邁向智能化的必由之路。本書全面系統地介紹大數據知識工程的有關內容。全書共9章，第1章介紹大數據知識工程的背景；第2章介紹大數據知識工程的「三跨」特點及面臨的「散、雜、亂」挑戰；第3～6章介紹知識表示、知識獲取與融合、知識表徵學習、知識推理四個核心環節；第7章介紹教育、稅務、網路輿情領域的大數據知識工程應用；第8章指出未來研究方向；第9章對全書進行總結。 本書適合計算機、人工智能、物聯網等專業的教師和研究生閱讀，也可供知識表徵、知識圖譜、信息知識檢索、問答推理等領域的科研人員參考。

目錄

前言
第1章 緒論
1 1 知識工程發展歷程
1 2 大數據知識工程概述
1 2 1 產生背景
1 2 2 基本概念
1 2 3 與傳統知識工程的區別
1 3 與新一代人工智能的關係
1 3 1 新一代人工智能的特點
1 3 2 大數據知識工程是共性技術
1 4 本書的組織結構
1 5 本章小結
參考文獻
第2章 挑戰與科學問題
2 1 「三跨」特點
2 2 散、雜、亂三個挑戰
2 3 研究框架與科學問題
2 4 本章小結
參考文獻
第3章 知識表示
3 1 研究現狀與趨勢
3 2 傳統的知識表示方法
3 3 知識圖譜
3 3 1 知識圖譜的定義
3 3 2 知識圖譜的分類
3 3 3 知識圖譜的存儲
3 4 事件圖譜
3 4 1 事件圖譜的定義
3 4 2 事件圖譜的數據模型
3 4 3 常見事件圖譜
3 5 知識森林
3 5 1 知識森林的提出背景
3 5 2 知識森林的定義
3 5 3 知識森林的存儲模型
3 6 本章小結
參考文獻
第4章 知識獲取與融合
4 1 研究現狀與趨勢
4 1 1 研究現狀
4 1 2 挑戰與發展趨勢
4 2 知識圖譜自動構建
4 2 1 三元組知識抽取
4 2 2 三元組知識融合
4 3 邏輯公式抽取
4 3 1 邏輯公式的形式化定義
4 3 2 基於統計量的抽取方法
4 3 3 基於矩陣序列的抽取方法
4 3 4 基於關係路徑的抽取方法
4 3 5 挑戰與展望
4 4 知識森林自動構建
4 4 1 主題分面樹生成
4 4 2 文本碎片知識裝配
4 4 3 認知關係挖掘
4 4 4 知識森林可視化
4 5 本章小結
參考文獻
第5章 知識表徵學習
5 1 研究現狀與趨勢
5 1 1 研究現狀
5 1 2 挑戰與發展趨勢
5 2 知識圖譜表徵學習
5 2 1 直推式學習
5 2 2 歸納式學習
5 3 異構圖表徵學習
5 3 1 淺層異質信息網路表徵學習
5 3 2 深層異質信息網路表徵學習
5 3 3 挑戰與發展趨勢
5 4 邏輯公式表徵學習
5 4 1 基於序列的方法
5 4 2 基於樹結構的方法
5 4 3 基於圖結構的方法
5 4 4 挑戰與發展趨勢
5 5 本章小結
參考文獻
第6章 知識推理
6 1 研究現狀與趨勢
6 1 1 基本概念
6 1 2 研究現狀
6 1 3 挑戰與發展趨勢
6 2 帶有記憶的推理模型
6 2 1 記憶機制在推理中的作用
6 2 2 神經圖靈機
6 2 3 可微神經計算機
6 2 4 記憶模型總結
6 3 符號化分層遞階學習模型
6 3 1 SHiL模型
6 3 2 SHiL模型構建方法
6 3 3 複雜數據系統的層次劃分和介區域識別
6 3 4 符號化可微編程的介區域控制機制
6 3 5 跨界區域推理路徑生成
6 4 知識檢索
6 4 1 基本概念
6 4 2 典型知識檢索方法
6 4 3 知識檢索中的why-not問題
6 4 4 挑戰與發展趨勢
6 5 智能問答
6 5 1 自然語言問答
6 5 2 視覺問答
6 5 3 教科書式問答
6 5 4 問題生成
6 6 本章小結
參考文獻
第7章 典型應用
7 1 知識森林個性化導學
7 1 1 知識森林導航學習系統
7 1 2 知識森林AR交互學習
7 1 3 應用示範
7 2 智能化稅務治理
7 2 1 稅收知識庫構建
7 2 2 稅收優惠計算
7 2 3 偷逃騙稅風險智能識別
7 3 網路輿情的智能監控
7 3 1 輿情網路的定義和構建
7 3 2 輿情網路應用分析
7 4 本章小結
參考文獻
第8章 未來研究方向
8 1 複雜大數據知識獲取
8 1 1 視覺知識
8 1 2 常識知識
8 1 3 知識增殖與量質轉化
8 2 知識引導+數據驅動的混合學習
8 2 1 可微編程
8 2 2 反事實推理
8 2 3 可解釋機器學習
8 3 腦啟發的知識編碼與記憶
8 3 1 雙過程理論啟發的認知圖譜
8 3 2 海馬體理論啟發的知識記憶與推理
8 4 本章小結
參考文獻
第9章 結語
致謝
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。