中国人工智能发展报告：知识工程（2019—2020）

外国人名中英文对照表

后记

参考资料

23.6 小结

23.5 小样本学习研究

23.4 深度学习与传统方法的结合

23.3 机器学习可解释性研究

23.2 知识驱动的智能技术

23.1 知识表示与推理

第23章 知识工程领域未来展望

第八部分 展望

参考资料

22.5 小结

22.4 谣言检测最新技术

22.3 谣言检测任务的难点

22.2 谣言检测相关定义

22.1 技术背景

第22章 互联网谣言检测与知识辨伪

参考资料

21.6 小结

21.5 未来深度学习在自然语言处理中的发展

21.4 深度学习在自然语言处理中的应用

21.3 深度学习在自然语言处理中面临的问题

21.2 深度学习

21.1 自然语言处理

第21章 深度学习与自然语言处理

参考资料

20.3 农业知识服务

20.2 农业知识库构建

20.1 农业大数据的知识获取

第20章 农业大数据知识服务

参考资料

19.4 知件和基于知件的软件工程

19.3 基于深度学习的软件代码分析和生成

19.2 基于环境建模的需求获取和分析

19.1 全过程基于知识方法

第19章 基于知识的软件工程

第七部分 知识工程交叉领域

参考资料

18.5 小结

18.4 不相容问题求解

18.3 可拓知识获取

18.2 基于可拓规则的知识表示方法

18.1 可拓信息—知识—策略形式化体系

第18章 可拓知识工程与知识转换

参考资料

17.2 迁移学习研究前景及挑战

17.1 迁移学习算法

第17章 迁移学习

第六部分 知识迁移和转换

参考资料

16.6 小结

16.5 脑机融合信息处理的实现思路初探

16.4 脑机融合的信息处理框架

16.3 混合智能的信息回路模型

16.2 脑机融合的混合智能

16.1 引言

第16章 脑机融合的信息处理

参考资料

15.8 未来展望

15.7 智能对弈

15.6 安全博弈论

15.5 算法博弈论

15.4 分布式规划

15.3 多智能体协作

15.2 多智能体学习

15.1 概述

第15章 多智能体协同与智能博弈

参考资料

14.4 脑机融合推理与决策

14.3 智能体系统结构

14.2 智能体ABGP模型

14.1 概述

第14章 智能体系统

第五部分 知识的智能建模

13.4 面向复杂查询的异质媒体搜索技术

13.3 面向大数据泛在搜索环境的异质媒体搜索

13.2 大数据异质媒体搜索环境下的认知行为规律分析

13.1 大数据驱动的知识搜索

第13章 基于认知的多媒体大数据驱动知识搜索

参考资料

12.5 小结

12.4 知识可拓优化技术

12.3 智能知识的挖掘算法与技术

12.2 智能知识管理研究概况

12.1 引言

第12章 智能知识管理

参考资料

11.5 未来研究方向

11.4 智能知识管理研究现状

11.3 智能知识管理基本概念

11.2 智能知识管理研究概述

11.1 研究背景

第11章 大数据挖掘与知识管理

第四部分 知识管理与搜索

参考资料

10.4 表格语义提取

10.3 自然语言语义提取

10.2 文档结构识别

10.1 背景

第10章 富格式文本中的知识发现

参考资料

9.4 国内研究现状

9.3 机器学习方法

9.2 可视化数据挖掘方法

9.1 描述性统计方法

第9章 大数据知识发现——理论与技术

参考资料

8.4 小结

8.3 大数据实践

8.2 大数据知识发现技术研究成果

8.1 大数据知识发现技术挑战

第8章 大数据知识发现—挑战与应对

第三部分 知识发现

参考资料

7.3 时空知识推理应用

7.2 定性空间关系推理

7.1 定性空间关系模型

第7章 时空知识表示与推理

参考资料

6.6 粒计算的应用研究

6.5 多粒度模型与方法

6.4 粒计算推理

6.3 不确定性度量

6.2 粒计算模型

6.1 数据粒化

第6章 知识粒计算——理论、模型与方法

参考资料

5.3 因素空间对知识工程的基本构想

5.2 因素空间的内容、意义与方法

5.1 发展智能科学需要智能数学

第5章 因素空间与知识表示的数学理论

参考资料

4.7 不完备与不一致信息的概念学习

4.6 复杂环境下信息系统知识不确定度量

4.5 粗糙近似算子的构建与多粒度多标记模型

4.4 基于模糊粗糙集的建模与学习

4.3 基于模糊性的知识表示与学习

4.2 非规范知识处理研究成果概述

4.1 非规范知识处理的基本理论概述

第4章 非规范知识表示与处理

参考资料

3.6 大规模复杂网络的多元结构知识发现

3.5 多源信息融合与开放网络知识计算

3.4 中文领域开放知识图谱：OpenKG

3.3 开放的知识图谱项目

3.2 知识图谱的价值

3.1 知识图谱简介

第3章 开放知识图谱

第二部分 知识表示

参考资料

2.5 小结

2.4 大知识工程实践和原型系统

2.3 大知识工程

2.2 大知识与大知识系统

2.1 从大数据到大知识

第2章 大知识与大知识工程

参考资料

1.5 小结：大人工智能时代

1.4 大数据知识工程的应用场景

1.3 大数据知识工程概念与处理框架

1.2 知识工程的发展

1.1 人工智能与知识工程

第1章 知识工程到大数据知识工程

第一部分 大数据知识工程引论

前言

序言

《中国人工智能发展报告——知识工程（2019—2020）》编写组

《中国人工智能发展报告（2019—2020）》编委会

内容简介

版权信息

封面

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

14.2 智能体ABGP模型

14.3 智能体系统结构

14.4 脑机融合推理与决策

参考资料

第15章 多智能体协同与智能博弈

15.1 概述

15.2 多智能体学习

15.3 多智能体协作

15.4 分布式规划

15.5 算法博弈论

15.6 安全博弈论

15.7 智能对弈

15.8 未来展望

参考资料

第16章 脑机融合的信息处理

16.1 引言

16.2 脑机融合的混合智能

16.3 混合智能的信息回路模型

16.4 脑机融合的信息处理框架

16.5 脑机融合信息处理的实现思路初探

16.6 小结

参考资料

第六部分 知识迁移和转换

第17章 迁移学习

17.1 迁移学习算法

17.2 迁移学习研究前景及挑战

参考资料

第18章 可拓知识工程与知识转换

18.1 可拓信息—知识—策略形式化体系

18.2 基于可拓规则的知识表示方法

18.3 可拓知识获取

18.4 不相容问题求解

18.5 小结

参考资料

第七部分 知识工程交叉领域

第19章 基于知识的软件工程

19.1 全过程基于知识方法

19.2 基于环境建模的需求获取和分析

19.3 基于深度学习的软件代码分析和生成

19.4 知件和基于知件的软件工程

参考资料

第20章 农业大数据知识服务

20.1 农业大数据的知识获取

20.2 农业知识库构建

20.3 农业知识服务

参考资料

第21章 深度学习与自然语言处理

21.1 自然语言处理

21.2 深度学习

21.3 深度学习在自然语言处理中面临的问题

21.4 深度学习在自然语言处理中的应用

21.5 未来深度学习在自然语言处理中的发展

21.6 小结

参考资料

第22章 互联网谣言检测与知识辨伪

22.1 技术背景

22.2 谣言检测相关定义

22.3 谣言检测任务的难点

22.4 谣言检测最新技术

22.5 小结

参考资料

第八部分 展望

第23章 知识工程领域未来展望

23.1 知识表示与推理

23.2 知识驱动的智能技术

23.3 机器学习可解释性研究

23.4 深度学习与传统方法的结合

23.5 小样本学习研究

23.6 小结

参考资料

后记

外国人名中英文对照表