出版日期 2024年1月 報告頁碼 152頁 圖表數(shù)量 61個 中文印刷 17500元 　 中文電子 17500元 中文兩版 18000元 　 英文印刷 8000元 　 英文電子 8000元 　 英文兩版 8500元

(+86)0755-25425716 25425726 25425736 25425706 25425756 25425776 25420896 25420806 25426596 25427856 25428586 25429596

第一章 知識工程發(fā)展概況

第一節(jié) 知識工程的發(fā)展歷史

第二節(jié) 數(shù)據(jù)處理與研究方法

第三節(jié) 知識工程研究的演進脈絡(luò)

一、時間分布

二、學科滲透

三、作者分布

四、機構(gòu)分布

第四節(jié) 知識工程研究的主題分布

第五節(jié) 知識工程研究的發(fā)展趨勢

第六節(jié) 發(fā)展總結(jié)

第二章 知識工程之知識表示

第一節(jié) 知識表示概述

一、表示學習的基本概念

二、表示學習的理論基礎(chǔ)

三、知識表示學習的典型應用

四、知識表示學習的主要優(yōu)點

第二節(jié) 知識表示學習的主要方法

一、距離模型

二、單層神經(jīng)網(wǎng)絡(luò)模型

三、能量模型

四、雙線性模型

五、張量神經(jīng)網(wǎng)絡(luò)模型

六、矩陣分解模型

七、翻譯模型

八、其他模型

第三節(jié) 知識表示學習的主要挑戰(zhàn)與已有解決方案

一、復雜關(guān)系建模

二、多源信息融合

三、關(guān)建路徑建模

第四節(jié) 知識表示學習未來研究方向展望

一、面向不同知識類型的知識表示學習

二、多源信息融合的知識表示學習

三、考慮復雜推理模式的知識表示學習

四、其他研究方向

第三章 知識工程之數(shù)據(jù)庫

第一節(jié) 智庫知識庫的概述

第二節(jié) 智庫知識庫的建設(shè)案例

一、rand知識庫建設(shè)

二、swp知識庫建設(shè)

三、rand和swp兩者比較

第三節(jié) 智庫知識庫的構(gòu)建要求

第四節(jié) 智庫知識庫的構(gòu)建流程

一、明確項目的知識需求

二、信息資源的收集獲取

三、信息資源的知識組織

四、智庫知識庫服務(wù)提供

第五節(jié) 智庫知識庫的聯(lián)盟化策略探討

第六節(jié) 企業(yè)知識庫管理系統(tǒng)數(shù)據(jù)庫的設(shè)計

一、系統(tǒng)設(shè)計原則

二、數(shù)據(jù)庫建模方法

第七節(jié) 企業(yè)知識庫系統(tǒng)的設(shè)計

一、系統(tǒng)的設(shè)計

二、系統(tǒng)的應用

第四章 知識工程之知識推理

第一節(jié) 基于本體的貝葉斯網(wǎng)絡(luò)知識推理概述

第二節(jié) 建立本體設(shè)計知識模型

第三節(jié) 貝葉斯網(wǎng)絡(luò)知識推理

第四節(jié) 實例驗證

第五節(jié) 總結(jié)

第五章 知識工程之專家系統(tǒng)

第一節(jié) 概述

第二節(jié) 專家系統(tǒng)的類型

第三節(jié) 專家系統(tǒng)的構(gòu)造

第四節(jié) 專家系統(tǒng)的模型

一、基于規(guī)則的專家系統(tǒng)

二、基于框架的專家系統(tǒng)

三、基于模型的專家系統(tǒng)

四、新型專家系統(tǒng)

第六章 知識工程之大數(shù)據(jù)機器學習

第一節(jié) 大數(shù)據(jù)機器學習系統(tǒng)研究背景

第二節(jié) 大數(shù)據(jù)機器學習系統(tǒng)的技術(shù)特征

第三節(jié) 大數(shù)據(jù)機器學習系統(tǒng)的主要研究問題

第四節(jié) 大數(shù)據(jù)機器學習系統(tǒng)的分類

第五節(jié) 典型大數(shù)據(jù)學習方法和系統(tǒng)介紹

第六節(jié) 跨平臺統(tǒng)一大數(shù)據(jù)機器學習系統(tǒng)octopus的研究設(shè)計

第七節(jié) 大數(shù)據(jù)機器學習總結(jié)

第七章 知識工程之知識圖譜

第一節(jié) 知識圖譜的定義與架構(gòu)

一、知識圖譜的定義

二、知識圖譜的架構(gòu)

第二節(jié) 知識圖譜的構(gòu)建技術(shù)

一、信息抽取

二、知識融合

三、知識加工

四、知識更新

第三節(jié) 跨語言知識圖譜的構(gòu)建

一、跨語言知識抽取

二、跨語言知識鏈接

第四節(jié) 知識圖譜的應用

第五節(jié) 問題與挑戰(zhàn)

第六節(jié) 總結(jié)

第八章 知識工程未來發(fā)展方向

第一節(jié) 知識工程的典型應用

一、在工業(yè)設(shè)計中的應用

二、在機械產(chǎn)品參數(shù)化設(shè)計中的應用

三、在工藝決策方面的應用

第二節(jié) 知識工程在教育領(lǐng)域的應用

第三節(jié) 知識工程的新興應用領(lǐng)域

一、在電子政務(wù)中的應用

二、在電子商務(wù)中的應用

三、在虛擬企業(yè)中的應用

四、本體與知識共享

第四節(jié) 知識工程技術(shù)發(fā)展方向

圖表目錄

圖表：現(xiàn)實世界與內(nèi)隱世界的特點

圖表：張量神經(jīng)網(wǎng)絡(luò)模型

圖表：transe模型

圖表：復雜關(guān)系示例

圖表：transh模型

圖表：transr模型

圖表：transd模型

圖表：傳統(tǒng)模型和transa模型比較

圖表：傳統(tǒng)模型與transg模型比較

圖表：kg2e模型

圖表：dkrl（cbow）模型1

圖表：dkrl（cnn）模型2

圖表：ptranse模型

圖表：知識庫的構(gòu)建模型

圖表：智庫知識庫的構(gòu)建流程

圖表：系統(tǒng)的體系構(gòu)架

圖表：目錄分類信息結(jié)構(gòu)鄰接列表模型數(shù)據(jù)示例表

圖表：知識目錄分類基本情況表

圖表：目錄分類擴展屬性表

圖表：企業(yè)知識庫系統(tǒng)構(gòu)架

圖表：企業(yè)成果數(shù)據(jù)庫表

圖表：企業(yè)專家數(shù)據(jù)庫表

圖表：用戶問題數(shù)據(jù)庫表

圖表：企業(yè)經(jīng)驗交流數(shù)據(jù)庫表

圖表：包裝設(shè)計任務(wù)本體模型

圖表：包裝設(shè)計知識本體模型

圖表：設(shè)計人員本體模型

圖表：紙箱的強度設(shè)計知識本體模型

圖表：紙箱的強度設(shè)計知識的貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu)

圖表：貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu)節(jié)點及變量信息

圖表：“緩沖設(shè)計”知識節(jié)點條件概率分布（1）

圖表：“強度設(shè)計”節(jié)點條件概率分布（2）

圖表：設(shè)計知識節(jié)點后驗概率分布（3）

圖表：專家系統(tǒng)的概念結(jié)構(gòu)

圖表：專家系統(tǒng)的理想結(jié)構(gòu)

圖表：專家系統(tǒng)的實際結(jié)構(gòu)示例

圖表：地質(zhì)圖件繪制智能輔助系統(tǒng)結(jié)構(gòu)

圖表：專家系統(tǒng)的客戶(機)/服務(wù)器結(jié)構(gòu)及瀏覽器/服務(wù)器結(jié)構(gòu)

圖表：黑板結(jié)構(gòu)

圖表：基于規(guī)則的專家系統(tǒng)的工作模型

圖表：基于規(guī)則的專家系統(tǒng)的機構(gòu)

圖表：基于框架專家系統(tǒng)的結(jié)構(gòu)

圖表：神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的基本結(jié)構(gòu)

圖表：大數(shù)據(jù)機器學習系統(tǒng)所涉及的復雜因素

圖表：大數(shù)據(jù)機器學習系統(tǒng)抽象

圖表：研究者apacheflink提出的分析維度和研究現(xiàn)狀

圖表：spark系統(tǒng)研究者提出的分析維度和研究現(xiàn)狀

圖表：octopus（大章魚）軟件系統(tǒng)框架

圖表：基于r語言和octopus的跨平臺統(tǒng)一大數(shù)據(jù)機器學習系統(tǒng)

圖表：基于octopus和常規(guī)r語言的linearregresssion算法代碼比較

圖表：知識圖譜的技術(shù)架構(gòu)