知識中臺：數(shù)字化轉(zhuǎn)型中的認知技術(shù)

第1章 知識中臺：厘清功能邊界\t1
1．1 知識的類別\t2
1．1．1 知識的哲學觀點\t2
1．1．2 知識的認知心理學分類\t3
1．1．3 知識的管理學分類\t5
1．1．4 信息技術(shù)視角下的知識\t9
1．2 核心概念\t14
1．2．1 兩類用戶\t14
1．2．2 三類知識\t15
1．2．3 六步建設(shè)法\t17
1．3 數(shù)據(jù)挖掘三范式\t19
1．3．1 數(shù)據(jù)湖式\t20
1．3．2 數(shù)據(jù)中臺式\t20
1．3．3 知識中臺式\t21
1．4 知識中臺不是什么\t21
1．5 系統(tǒng)架構(gòu)\t22
1．5．1 生命周期\t23
1．5．2 技術(shù)框架\t24
1．6 本章小結(jié)\t29
第2章 知識建模：從原材料清單到統(tǒng)一藍圖\t31
2．1 設(shè)計內(nèi)容：類別與任務(wù)體系\t31
2．2 設(shè)計原則\t33
2．3 設(shè)計步驟\t34
2．3．1 數(shù)據(jù)字典收集\t34
2．3．2 數(shù)據(jù)洞察\t35
2．3．3 業(yè)務(wù)訪談\t36
2．3．4 兩個體系設(shè)計\t36
2．3．5 打通兩體系\t39
2．4 典型設(shè)計示例\t40
2．4．1 詞庫類\t40
2．4．2 百科知識類\t41
2．4．3 常識知識類\t42
2．4．4 領(lǐng)域知識類\t43
2．5 實戰(zhàn)六步法手記（1）：勾勒全局視圖\t45
2．6 本章小結(jié)\t47
第3章 知識抽取：從數(shù)據(jù)源中提煉知識片段\t49
3．1 結(jié)構(gòu)化數(shù)據(jù)的映射\t50
3．1．1 數(shù)據(jù)規(guī)范\t50
3．1．2 數(shù)據(jù)清洗\t53
3．1．3 數(shù)據(jù)映射\t57
3．2 非結(jié)構(gòu)化信息的抽取\t63
3．2．1 任務(wù)、挑戰(zhàn)與技術(shù)路線\t64
3．2．2 實體識別\t67
3．2．3 關(guān)系抽取\t71
3．2．4 事件抽取\t76
3．3 容易被忽視的隱性知識挖掘\t80
3．3．1 文本中的事理關(guān)系\t81
3．3．2 網(wǎng)絡(luò)結(jié)構(gòu)中的隱含模式\t82
3．3．3 時間序列中的周期與強度\t90
3．4 實戰(zhàn)六步法手記（2）：先小而精，再大而全\t97
3．5 本章小結(jié)\t101
第4章 知識管理：從分散碎片到集中資產(chǎn)\t103
4．1 知識融合\t103
4．1．1 本體融合\t104
4．1．2 實體融合\t105
4．1．3 關(guān)系融合\t107
4．1．4 流程融合\t107
4．2 類目管理\t109
4．3 存儲方式的選擇\t111
4．3．1 傳統(tǒng)存儲\t111
4．3．2 非關(guān)系型數(shù)據(jù)庫\t111
4．3．3 數(shù)據(jù)庫對比小結(jié)\t118
4．3．4 知識圖譜\t120
4．4 知識的反向溯源\t121
4．5 實戰(zhàn)六步法手記（3）：人機協(xié)同很有必要\t122
4．6 本章小結(jié)\t124
第5章 知識計算：讓知識可自動執(zhí)行\(zhòng)t125
5．1 指標：必備的預置知識\t125
5．1．1 邏輯結(jié)構(gòu)\t126
5．1．2 指標體系\t128
5．2 規(guī)則：帶條件的預置知識\t128
5．2．1 規(guī)則引擎\t129
5．2．2 常用工具\t131
5．2．3 專家系統(tǒng)\t135
5．3 模型：復雜問題的簡化表達\t137
5．3．1 物理模型\t137
5．3．2 機器學習模型\t138
5．3．3 因果模型\t143
5．4 工作流\t148
5．5 業(yè)務(wù)流程管理\t150
5．5．1 定義規(guī)范\t150
5．5．2 基本元素\t151
5．5．3 常用工具\t152
5．6 機器人流程自動化\t152
5．7 實戰(zhàn)六步法手記（4）：融合式的執(zhí)行引擎\t153
5．8 本章小結(jié)\t155
第6章 知識應(yīng)用：開啟知識的變現(xiàn)之旅\t156
6．1 知識圖譜嵌入\t156
6．1．1 融合事實信息\t157
6．1．2 融合附加信息\t158
6．2 可視化洞察\t160
6．2．1 問題描述\t161
6．2．2 常用方法\t161
6．2．3 知識庫增強的可視化\t163
6．3 信息檢索\t165
6．3．1 問題描述\t165
6．3．2 常用算法\t166
6．3．3 知識庫增強的檢索算法\t167
6．4 推薦系統(tǒng)\t170
6．4．1 問題描述\t170
6．4．2 常用算法\t172
6．4．3 知識庫增強的推薦系統(tǒng)\t175
6．5 問答系統(tǒng)\t178
6．5．1 問題描述\t178
6．5．2 常用方法\t179
6．5．3 知識庫問答\t181
6．6 實戰(zhàn)六步法手記（5）：點線面三級跳\t186
6．7 本章小結(jié)\t188
第7章 知識演化：促進新知識的不斷產(chǎn)生\t190
7．1 四項共性特征\t190
7．2 訂閱推薦\t192
7．3 積累改變規(guī)則的規(guī)則\t194
7．4 知識推理\t194
7．4．1 傳統(tǒng)的規(guī)則推理\t196
7．4．2 規(guī)則與知識表示結(jié)合的推理\t198
7．4．3 實體預測\t201
7．4．4 關(guān)系路徑推理\t204
7．5 在線學習\t207
7．6 實戰(zhàn)六步法手記（6）：形成持續(xù)學習的閉環(huán)\t209
7．7 本章小結(jié)\t211
第8章 組織保障：技術(shù)之外的管理手段\t212
8．1 勝任度評估\t213
8．1．1 任務(wù)類型\t213
8．1．2 角色類型\t214
8．1．3 團隊類型\t215
8．1．4 勝任素質(zhì)測評\t216
8．2 成熟度評估\t218
8．2．1 等級遞進規(guī)則嚴格的模型\t218
8．2．2 等級遞進規(guī)則靈活的模型\t219
8．2．3 面向?qū)嵤╇A段的模型\t219
8．3 知識資產(chǎn)評估\t220
8．3．1 團隊組成\t221
8．3．2 評估對象\t221
8．3．3 評估方法\t222
8．3．4 實施建議\t224
8．4 文化建設(shè)\t225
8．4．1 營造學習型組織\t225
8．4．2 融入知識聯(lián)盟\t227
8．4．3 產(chǎn)業(yè)集群層面\t230
8．5 本章小結(jié)\t231
第9章 營銷洞察實踐：連接生產(chǎn)者與消費者\t233
9．1 營銷要素\t234
9．2 營銷知識中臺\t235
9．3 美妝輿情洞察示例\t237
9．4 零售導購賦能示例\t240
9．5 本章小結(jié)\t243
第10章 金融行業(yè)實踐：信貸風控\t244
10．1 零售信貸應(yīng)用場景\t244
10．2 大數(shù)據(jù)風控解決方案\t246
10．2．1 數(shù)據(jù)源\t246
10．2．2 數(shù)據(jù)中臺\t248
10．2．3 決策引擎\t249
10．3 信用評分建模\t250
10．4 關(guān)系圖譜反欺詐\t255
10．5 本章小結(jié)\t256
第11章 其他行業(yè)實踐\t257
11．1 軌道交通\t257
11．1．1 需求背景\t257
11．1．2 解決方案\t258
11．1．3 應(yīng)用效果\t260
11．2 媒體資產(chǎn)\t262
11．2．1 需求背景\t262
11．2．2 解決方案\t263
11．2．3 應(yīng)用效果\t265
11．3 數(shù)字城市\(zhòng)t267
11．3．1 需求背景\t267
11．3．2 解決方案\t267
11．3．3 應(yīng)用效果\t272
11．4 本章小結(jié)\t273
參考文獻\t275