中国人工智能发展报告：知识工程（2019—2020）

封面

版权信息

内容简介

《中国人工智能发展报告（2019—2020）》编委会

《中国人工智能发展报告——知识工程（2019—2020）》编写组

序言

前言

第一部分 大数据知识工程引论

第1章 知识工程到大数据知识工程

1.1 人工智能与知识工程

1.2 知识工程的发展

1.3 大数据知识工程概念与处理框架

1.4 大数据知识工程的应用场景

1.5 小结：大人工智能时代

参考资料

第2章 大知识与大知识工程

2.1 从大数据到大知识

2.2 大知识与大知识系统

2.3 大知识工程

2.4 大知识工程实践和原型系统

2.5 小结

参考资料

第二部分 知识表示

第3章 开放知识图谱

3.1 知识图谱简介

3.2 知识图谱的价值

3.3 开放的知识图谱项目

3.4 中文领域开放知识图谱：OpenKG

3.5 多源信息融合与开放网络知识计算

3.6 大规模复杂网络的多元结构知识发现

参考资料

第4章 非规范知识表示与处理

4.1 非规范知识处理的基本理论概述

4.2 非规范知识处理研究成果概述

4.3 基于模糊性的知识表示与学习

4.4 基于模糊粗糙集的建模与学习

4.5 粗糙近似算子的构建与多粒度多标记模型

4.6 复杂环境下信息系统知识不确定度量

4.7 不完备与不一致信息的概念学习

参考资料

第5章 因素空间与知识表示的数学理论

5.1 发展智能科学需要智能数学

5.2 因素空间的内容、意义与方法

5.3 因素空间对知识工程的基本构想

参考资料

第6章 知识粒计算——理论、模型与方法

6.1 数据粒化

6.2 粒计算模型

6.3 不确定性度量

6.4 粒计算推理

6.5 多粒度模型与方法

6.6 粒计算的应用研究

参考资料

第7章 时空知识表示与推理

7.1 定性空间关系模型

7.2 定性空间关系推理

7.3 时空知识推理应用

参考资料

第三部分 知识发现

第8章 大数据知识发现—挑战与应对

8.1 大数据知识发现技术挑战

8.2 大数据知识发现技术研究成果

8.3 大数据实践

8.4 小结

参考资料

第9章 大数据知识发现——理论与技术

9.1 描述性统计方法

9.2 可视化数据挖掘方法

9.3 机器学习方法

9.4 国内研究现状

参考资料

第10章 富格式文本中的知识发现

10.1 背景

10.2 文档结构识别

10.3 自然语言语义提取

10.4 表格语义提取

参考资料

第四部分 知识管理与搜索

第11章 大数据挖掘与知识管理

11.1 研究背景

11.2 智能知识管理研究概述

11.3 智能知识管理基本概念

11.4 智能知识管理研究现状

11.5 未来研究方向

参考资料

第12章 智能知识管理

12.1 引言

12.2 智能知识管理研究概况

12.3 智能知识的挖掘算法与技术

12.4 知识可拓优化技术

12.5 小结

参考资料

第13章 基于认知的多媒体大数据驱动知识搜索

13.1 大数据驱动的知识搜索

13.2 大数据异质媒体搜索环境下的认知行为规律分析

13.3 面向大数据泛在搜索环境的异质媒体搜索

13.4 面向复杂查询的异质媒体搜索技术

第五部分 知识的智能建模

第14章 智能体系统

14.1 概述