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。

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。

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  GraphSAGE146

6.3.6  GAT148

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