[正版]正版知识图谱与认知智能 基本原理 关键技术 电子工业出版社 应用场景与解决方案 企业管理者CIO技术负责人管理者

                                                    店铺公告

为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。 温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）， 关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

编辑推荐

本书详细讲解知识图谱的基本原理、构建方式、使用场景等，以及产业界应用知识图谱解决不同领域问题的很多案例。

本书提及的知识图谱和认知智能，以数据中台为基础，以知识连接为核心，是企业将大数据作为公司级战略的重要抓手。

内容提要

认知的高度决定了你创造价值的高度，包括你对世界的认知及世界对你的认知。知识图谱与认知智能技术的发展，既孕育了圈层变更的机会，也带来了人、机器、企业如何协同与博弈的难题。

《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》总计12章，从理论到产业应用对知识图谱与认知智能进行了介绍。第1～7章围绕知识图谱与认知智能的需求，以用户、设备、企业为中心，讲解知识体系建设、知识图谱构建、知识存储、知识推理的基本原理与关键技术。第8～12章讲解如何运用知识图谱与认知智能技术，构建产品化及系统化解决方案，以满足企业营销、服务、供应链、生产、运维、经营管理、数据交易等应用场景的业务需求。

读者通过本书可以了解企业认知智能的原理、应用方法、执行策略，以此构建企业认知博弈的*优策略。企业数据智能相关从业者可以参考本书，构建以用户为中心的企业认知智能解决方案，通过人机协同的方式，实现对业务的认知与引导，并从业务演变中获益。此外，本书可以作为自然语言处理、知识工程、人工智能、社会计算等相关课程的教材。

目录

第1章  知识图谱与认知智能理论的基本概念 1

1.1  人工智能 2

1.1.1  人工智能的类型 2

1.1.2  人工智能的能力层级 5

1.2  知识图谱 6

1.2.1  知识的形态 6

1.2.2  知识图谱的定义 7

1.2.3  知识图谱涉及的技术领域 9

1.3  认知智能 10

1.3.1  认知智能的定义 10

1.3.2  认知智能与知识图谱的技术关联 13

1.3.3  认知智能的技术领域 14

第2章  知识图谱与认知智能的需求场景 15

2.1  知识图谱与认知智能需求总览 16

2.1.1  认知智能的产业需求 16

2.1.2  认知智能的产业落地 18

2.1.3  认知智能的产业价值 21

2.1.4  认知智能的产业影响 22

2.2  个体认知智能 23

2.2.1  个体对环境的认知智能需求场景 23

2.2.2  环境对个体的认知智能需求场景 25

2.3  物联认知智能 26

2.3.1  消费物联网中的认知智能 27

2.3.2  工业物联网中的认知智能 29

2.4  企业认知智能 31

2.4.1  企业认知智能与企业协同 32

2.4.2  企业认知智能需求总览 33

2.4.3  企业全域数据治理场景 35

2.4.4  企业营销认知智能场景 36

2.4.5  企业生产认知智能场景 38

2.4.6  企业经营管理认知智能场景 40

第3章  知识体系建设 42

3.1  知识体系建设理论 43

3.1.1  知识体系定义 43

3.1.2  知识体系建设的方法 44

3.1.3  知识体系建设的原则 48

3.2  用户知识体系 49

3.2.1  用户画像知识体系理论 50

3.2.2  用户画像知识体系建设的挑战 51

3.2.3  用户画像知识体系建设的方法 52

3.2.4  用户画像基础知识体系 56

3.2.5  用户营销领域的用户画像知识体系 58

3.2.6  用户增长领域的用户画像知识体系 62

3.3  物联知识体系 63

3.3.1  商品知识图谱知识体系 64

3.3.2  设备知识图谱知识体系 66

3.4  企业业务知识体系 69

3.4.1  企业全域知识体系 69

3.4.2  企业营销服务知识体系 71

3.4.3  企业生产与运维知识体系 72

3.4.4  企业经营管理知识体系 73

3.4.5  企业风险管理与投资知识体系 74

3.5  知识体系建设与知识治理 78

3.5.1  数据治理 79

3.5.2  知识治理与企业知识战略 84

第4章  知识图谱构建 86

4.1  知识图谱构建系统 87

4.1.1  知识图谱的构建流程 87

4.1.2  知识图谱构建系统的整体架构 90

4.2  知识抽取系统 92

4.2.1  知识抽取的数据来源 92

4.2.2  知识抽取框架 94

4.2.3  实体抽取 100

4.2.4  关系抽取 101

4.2.5  属性抽取 103

4.3  知识融合系统 104

4.3.1  知识融合的流程 104

4.3.2  知识融合系统的架构 106

4.3.3  用户域的知识融合 108

4.3.4  物联域的知识融合 110

4.3.5  企业域的知识融合 111

4.4  知识质量校验 112

第5章  知识存储与计算之图数据库 115

5.1  知识图谱与图数据库 116

5.1.1  图数据库的基础知识 116

5.1.2  知识图谱与图数据库存储解决方案 118

5.1.3  知识图谱应用与图数据库 121

5.2  图数据库相关技术 122

5.2.1  图数据库技术的发展史 122

5.2.2  图数据库与传统数据库 123

5.2.3  图数据库的数据模型 124

5.2.4  图数据库的存储介质 125

5.2.5  图数据库的引擎 126

5.3  开源图数据库产品介绍 126

5.4  图数据库评估标准 129

第6章  知识存储计算之图计算 130

6.1  知识图谱与图计算 131

6.2  图计算基础 134

6.2.1  图网络的基础定义与理论 134

6.2.2  节点分析类算法 136

6.2.3  关系链分析类算法 137

6.2.4  全图分析类算法 138

6.2.5  子图匹配算法 138

6.2.6  社区发现算法 138

6.3  图深度学习 139

6.3.1  图深度学习与知识图谱 140

6.3.2  图神经网络算法的原理 141

6.3.3  图神经网络算法的对比 143

6.3.4  图表示学习算法 144

6.3.5  GraphSAGE 146

6.3.6  GAT 148

6.4  图计算框架 149

6.4.1  图计算平台的难点 149

6.4.2  开源图计算框架介绍 150

6.4.3  图计算平台的评估标准 152

第7章  知识推理 155

7.1  知识推理的理论 156

7.1.1  基础理论 156

7.1.2  认知科学理论 157

7.1.3  产业实践理论 157

7.1.4  认知协同理论 159

7.2  知识推理的技术体系 161

7.3  知识问答 163

7.3.1  知识问答的定义与需求场景 163

7.3.2  垂直域的知识问答 166

7.3.3  知识问答产品的需求拆解 167

7.3.4  知识问答技术的难点 168

7.3.5  知识问答系统的整体技术方案 169

7.3.6  知识问答系统的技术架构 171

7.3.7  知识问答系统中的意图识别模块 174

7.3.8  知识问答系统中的推理查询模块 174

7.3.9  知识问答系统中的配置管理模块 177

7.3.10  知识问答运营 178

7.4  知识补全 179

7.4.1  知识补全定义 179

7.4.2  知识补全的方法 180

7.4.3  知识补全的技术架构与方案 183

7.4.4  对知识补全的进一步思考 184

第8章  知识图谱管理平台 186

8.1  知识图谱管理平台的产品架构 187

8.1.1  知识图谱管理平台的应用场景与流程 187

8.1.2  知识图谱管理平台的产品设计挑战 188

8.1.3  知识图谱管理平台的产品架构概览 189

8.1.4  知识建模模块 190

8.1.5  知识构建模块 191

8.1.6  知识存储与计算模块 193

8.1.7  知识推理模块 194

8.1.8  知识图谱管理平台的产品落地 195

8.2  知识图谱管理平台评估 197

8.2.1  技术架构评估 198

8.2.2  知识建模模块评估 199

8.2.3  知识构建模块评估 199

8.2.4  知识存储与计算模块评估 200

8.2.5  知识推理模块评估 201

8.2.6  安全能力评估 202

8.2.7  系统运维评估 202

第9章  知识图谱与营销认知智能 204

9.1  认知智能与企业营销系统的整体解决方案 205

9.1.1  用户营销的认知过程 206

9.1.2  企业营销系统 207

9.1.3  企业营销认知智能的系统实现 209

9.1.4  营销认知之企业私域流量场景 212

9.1.5  营销认知之B2B营销场景 214

9.1.6  营销认知之企业产销协同场景 216

9.2  知识图谱与用户智能认知 217

9.2.1  用户画像分析引擎 218

9.2.2  用户智能标签引擎 219

9.2.3  智能用户数据中台 227

9.3  知识图谱与社群认知引导 231

9.3.1  社群认知的形态 231

9.3.2  社群认知引导与社群演变 233

9.3.3  社群认知引导与智能推荐 234

9.3.4  社群认知引导与营销机器人 236

9.4  知识图谱与商品搜索 238

9.4.1  商品搜索基础理论 239

9.4.2  商品搜索技术架构 241

9.5  知识图谱与智能推荐 244

9.5.1  知识图谱助力推荐的方法论 245

9.5.2  知识图谱助力推荐的技术架构 247

9.5.3  知识图谱助力推荐的产品方案 250

9.5.4  知识图谱助力推荐的标签映射 253

9.6  知识图谱与营销服务机器人 254

9.6.1  社群营销机器人 255

9.6.2  智能客服机器人 256

9.6.3  营销机器人的认知能力建设 258

9.7  知识图谱与智能供应链 260

9.7.1  供应链管理中的知识图谱与认知智能 261

9.7.2  智能渠道管理 263

9.7.3  供应链风险预警 264

9.7.4  企业智能采购助手 266

第10章  知识图谱与物联网认知智能 269

10.1  设备认知智能 270

10.2  设备知识图谱建设 272

10.3  设备数据采集、存储与计算 274

10.3.1  设备数据采集与存储计算平台 274

10.3.2  设备物联网与图数据库 275

10.3.3  设备物联网与图计算 277

10.3.4  电网配网潮流计算 278

10.4  设备健康管理 280

10.4.1  设备健康状态管理系统 280

10.4.2  设备运维检修 283

10.5  设备智能调度与先进控制 286

10.5.1  设备智能调度 286

10.5.2  设备先进控制 288

10.6  能源设备认知智能解决方案 290

10.6.1  能源设备认知智能解决方案总览 290

10.6.2  能源设备知识图谱建设 291

10.6.3  能源的知识推理案例：能源设备运行断面检索 295

第11章  知识图谱与企业认知智能 300

11.1  企业认知大脑 301

11.1.1  企业认知智能战略 301

11.1.2  企业认知大脑的整体架构 304

11.1.3  企业认知大脑与企业物联网平台 308

11.1.4  企业认知大脑与企业数据中台 309

11.1.5  企业认知大脑与企业AI中台 310

11.1.6  企业认知智能应用体系 311

11.1.7  企业认知大脑的团队建设 313

11.1.8  企业认知大脑的落地流程示例 315

11.1.9  企业认知大脑的投入产出分析 317

11.2  企业知识库 319

11.2.1  企业知识库面临的挑战 319

11.2.2  企业知识库与知识图谱 320

11.2.3  企业知识库的解决方案 321

11.3  企业决策助手 323

11.3.1  企业决策助手的理论体系 323

11.3.2  企业决策助手的产品需求 325

11.3.3  企业决策助手的产品方案 326

11.3.4  企业管理驾驶舱 329

11.3.5  商业智能决策助手 332

11.3.6  专业智能决策助手 334

11.4  企业办公智能 338

11.4.1  企业办公协同 338

11.4.2  企业数字人 339

11.4.3  企业智能组织管理 342

11.5  企业风控与投资认知智能 344

11.5.1  企业风控认知智能 345

11.5.2  企业投资认知智能 346

11.6  企业认知智能与个体认知智能 351

11.6.1  认知博弈与认知协同 351

11.6.2  宏观协同与微观协同 352

第12章  认知智能与数据交易流通 354

12.1  数据的要素 355

12.2  数据交易的特性 356

12.3  数据交易解决方案 357

12.3.1  数据交易解决方案总览 358

12.3.2  数据交易的平台建设 359

12.3.3  数据交易的知识治理 361

12.3.4  数据交易的需求匹配 361

12.3.5  数据交易的隐私保护 363

作者简介

吴睿

毕业于伦敦大学学院，主要研究方向为用户认知与引导，相关领域包括用户画像、知识图谱、认知智能、搜索推荐、智能对话、社会计算等。

作为腾讯数据智能技术负责人，主导了多项腾讯云企业数据智能项目的落地，涉及营销、服务、生产、运维、企业经营管理等多个领域，开发了腾讯星图、腾讯云知识图谱、腾讯云图计算等多款产品。

作为腾讯数据负责人，主导规划并建设了QQ用户画像体系，通过统一的数据中台，支持广告营销、个性化推荐、用户增长、信贷风控、金融投资等多项业务。