第一章 知识工程发展概况 1
第一节 知识工程的发展历史 1
第二节 数据处理与研究方法 1
第三节 知识工程研究的演进脉络 2
一、时间分布2
二、学科渗透2
三、作者分布4
四、机构分布4
第四节 知识工程研究的主题分布 4
第五节 知识工程研究的发展趋势 5
第六节 发展总结 6
第二章 知识工程之知识表示 7
第一节 知识表示概述 7
一、表示学习的基本概念7
二、表示学习的理论基础9
三、知识表示学习的典型应用10
四、知识表示学习的主要优点11
第二节 知识表示学习的主要方法 12
一、距离模型12
二、单层神经网络模型13
三、能量模型14
四、双线性模型14
五、张量神经网络模型15
六、矩阵分解模型16
七、翻译模型16
八、其他模型19
第三节 知识表示学习的主要挑战与已有解决方案 20
一、复杂关系建模20
二、多源信息融合30
三、关建路径建模32
第四节 知识表示学习未来研究方向展望 33
一、面向不同知识类型的知识表示学习33
二、多源信息融合的知识表示学习34
三、考虑复杂推理模式的知识表示学习35
四、其他研究方向36
第三章 知识工程之数据库 37
第一节 智库知识库的概述 37
第二节 智库知识库的建设案例 38
一、rand知识库建设38
二、swp知识库建设 39
三、rand和swp两者比较 40
第三节 智库知识库的构建要求 40
第四节 智库知识库的构建流程 42
一、明确项目的知识需求42
二、信息资源的收集获取43
三、信息资源的知识组织43
四、智库知识库服务提供44
第五节 智库知识库的联盟化策略探讨 44
第六节 企业知识库管理系统数据库的设计 46
一、系统设计原则46
二、数据库建模方法48
第七节 企业知识库系统的设计 52
一、系统的设计52
二、系统的应用62
第四章 知识工程之知识推理 64
第一节 基于本体的贝叶斯网络知识推理概述 64
第二节 建立本体设计知识模型 64
第三节 贝叶斯网络知识推理 67
第四节 实例验证 68
第五节 总结 71
第五章 知识工程之专家系统 73
第一节 概述 73
第二节 专家系统的类型 73
第三节 专家系统的构造 74
第四节 专家系统的模型 81
一、基于规则的专家系统81
二、基于框架的专家系统82
三、基于模型的专家系统83
四、新型专家系统85
第六章 知识工程之大数据机器学习 87
第一节 大数据机器学习系统研究背景 87
第二节 大数据机器学习系统的技术特征 88
第三节 大数据机器学习系统的主要研究问题 90
第四节 大数据机器学习系统的分类 94
第五节 典型大数据学习方法和系统介绍 96
第六节 跨平台统一大数据机器学习系统octopus的研究设计 103
第七节 大数据机器学习总结 110
第七章 知识工程之知识图谱 112
第一节 知识图谱的定义与架构 112
一、知识图谱的定义112
二、知识图谱的架构113
第二节 知识图谱的构建技术 115
一、信息抽取115
二、知识融合120
三、知识加工126
四、知识更新131
第三节 跨语言知识图谱的构建 132
一、跨语言知识抽取132
二、跨语言知识链接133
第四节 知识图谱的应用 134
第五节 问题与挑战 135
第六节 总结 137
第八章 知识工程未来发展方向 138
第一节 知识工程的典型应用 138
一、在工业设计中的应用138
二、在机械产品参数化设计中的应用138
三、在工艺决策方面的应用139
第二节 知识工程在教育领域的应用 139
第三节 知识工程的新兴应用领域 140
一、在电子政务中的应用140
二、在电子商务中的应用140
三、在虚拟企业中的应用141
四、本体与知识共享141
第四节 知识工程技术发展方向 142
图表目录
图表：现实世界与内隐世界的特点10
图表：张量神经网络模型15
图表：transe模型 18
图表：复杂关系示例21
图表：transh模型 21
图表：transr模型 23
图表：transd模型 24
图表：传统模型和transa模型比较 27
图表：传统模型与transg模型比较 28
图表：kg2e模型 28
图表：dkrl（cbow）模型1 31
图表：dkrl（cnn）模型2 31
图表：ptranse模型32
图表：知识库的构建模型41
图表：智库知识库的构建流程42
图表：系统的体系构架47
图表：目录分类信息结构邻接列表模型数据示例表50
图表：知识目录分类基本情况表50
图表：目录分类扩展属性表51
图表：企业知识库系统构架53
图表：企业成果数据库表54
图表：企业专家数据库表56
图表：用户问题数据库表57
图表：企业经验交流数据库表58
图表：包装设计任务本体模型65
图表：包装设计知识本体模型66
图表：设计人员本体模型67
图表：纸箱的强度设计知识本体模型67
图表：纸箱的强度设计知识的贝叶斯网络拓扑结构69
图表：贝叶斯网络拓扑结构节点及变量信息69
图表：“缓冲设计”知识节点条件概率分布（1）70
图表：“强度设计”节点条件概率分布（2）70
图表：设计知识节点后验概率分布（3） 71
图表：专家系统的概念结构75
图表：专家系统的理想结构77
图表：专家系统的实际结构示例78
图表：地质图件绘制智能辅助系统结构78
图表：专家系统的客户(机)/服务器结构及浏览器/服务器结构 79
图表：黑板结构80
图表：基于规则的专家系统的工作模型81
图表：基于规则的专家系统的机构82
图表：基于框架专家系统的结构83
图表：神经网络专家系统的基本结构84
图表：大数据机器学习系统所涉及的复杂因素88
图表：大数据机器学习系统抽象90
图表：研究者apacheflink提出的分析维度和研究现状91
图表：spark系统研究者提出的分析维度和研究现状 91
图表：octopus（大章鱼）软件系统框架 106
图表：基于r语言和octopus的跨平台统一大数据机器学习系统 109
图表：基于octopus和常规r语言的linearregresssion算法代码比较110
图表：知识图谱的技术架构114
