知识中台：数字化转型中的认知技术

　　如何利用人工智能技术有效地管理知识资产，成为企业保持持续竞争力的重要问题。作者从数据科学的视角出发，提出知识中台需要管理三类知识（事实知识、原理知识和技能知识）和具备四项能力（知识抽取、知识管理、知识计算和知识演化）。本书结合人工智能的前沿成果，分章节详细讲述了其中的关键技术和实施路径。同时，从业务视角出发，讲解了知识中台在营销、金融、工业领域的经典案例。

　　张杰，明略科学院知识工程实验室主任，资深科学家。天津大学计算机专业博士学位，曾就职于华为****实验室，后作为联合创始人创办金融科技公司并任CTO。研究方向为知识工程、机器学习、自然语言处理，发表学术论文十余篇，发明专利100余项。主持开发了推荐引擎、知识问答系统、客服机器人、大数据风控系统、行业知识图谱等多项商业系统，累计销售额数亿元。吴明辉，明略科技创始人、董事长兼首席执行官。人工智能、大数据技术及企业数字化转型资深专家。连续创业成功者、天使投资人。《财富》“中国40位40岁以下商界精英”之一，HAO智能框架理论创立者之一，公安大学特聘教授，北京大学和人民大学创业导师。吴明辉先生毕业于北京大学，获数学系学士学位、计算机软件与理论硕士学位。拥有20年软件工程开发和算法研究经验、130余项国内外发明专利，15年企业级服务领域创业经验。带领公司为营销、广告、服务业、公共安全、数字城市、工业、金融等垂直领域的2000多个企业与组织，提供完整的人工智能闭环解决方案服务。

第1章 知识中台：厘清功能边界\t1
1．1 知识的类别\t2
1．1．1 知识的哲学观点\t2
1．1．2 知识的认知心理学分类\t3
1．1．3 知识的管理学分类\t5
1．1．4 信息技术视角下的知识\t9
1．2 核心概念\t14
1．2．1 两类用户\t14
1．2．2 三类知识\t15
1．2．3 六步建设法\t17
1．3 数据挖掘三范式\t19
1．3．1 数据湖式\t20
1．3．2 数据中台式\t20
1．3．3 知识中台式\t21
1．4 知识中台不是什么\t21
1．5 系统架构\t22
1．5．1 生命周期\t23
1．5．2 技术框架\t24
1．6 本章小结\t29
第2章 知识建模：从原材料清单到统一蓝图\t31
2．1 设计内容：类别与任务体系\t31
2．2 设计原则\t33
2．3 设计步骤\t34
2．3．1 数据字典收集\t34
2．3．2 数据洞察\t35
2．3．3 业务访谈\t36
2．3．4 两个体系设计\t36
2．3．5 打通两体系\t39
2．4 典型设计示例\t40
2．4．1 词库类\t40
2．4．2 百科知识类\t41
2．4．3 常识知识类\t42
2．4．4 领域知识类\t43
2．5 实战六步法手记（1）：勾勒全局视图\t45
2．6 本章小结\t47
第3章 知识抽取：从数据源中提炼知识片段\t49
3．1 结构化数据的映射\t50
3．1．1 数据规范\t50
3．1．2 数据清洗\t53
3．1．3 数据映射\t57
3．2 非结构化信息的抽取\t63
3．2．1 任务、挑战与技术路线\t64
3．2．2 实体识别\t67
3．2．3 关系抽取\t71
3．2．4 事件抽取\t76
3．3 容易被忽视的隐性知识挖掘\t80
3．3．1 文本中的事理关系\t81
3．3．2 网络结构中的隐含模式\t82
3．3．3 时间序列中的周期与强度\t90
3．4 实战六步法手记（2）：先小而精，再大而全\t97
3．5 本章小结\t101
第4章 知识管理：从分散碎片到集中资产\t103
4．1 知识融合\t103
4．1．1 本体融合\t104
4．1．2 实体融合\t105
4．1．3 关系融合\t107
4．1．4 流程融合\t107
4．2 类目管理\t109
4．3 存储方式的选择\t111
4．3．1 传统存储\t111
4．3．2 非关系型数据库\t111
4．3．3 数据库对比小结\t118
4．3．4 知识图谱\t120
4．4 知识的反向溯源\t121
4．5 实战六步法手记（3）：人机协同很有必要\t122
4．6 本章小结\t124
第5章 知识计算：让知识可自动执行\t125
5．1 指标：必备的预置知识\t125
5．1．1 逻辑结构\t126
5．1．2 指标体系\t128
5．2 规则：带条件的预置知识\t128
5．2．1 规则引擎\t129
5．2．2 常用工具\t131
5．2．3 专家系统\t135
5．3 模型：复杂问题的简化表达\t137
5．3．1 物理模型\t137
5．3．2 机器学习模型\t138
5．3．3 因果模型\t143
5．4 工作流\t148
5．5 业务流程管理\t150
5．5．1 定义规范\t150
5．5．2 基本元素\t151
5．5．3 常用工具\t152
5．6 机器人流程自动化\t152
5．7 实战六步法手记（4）：融合式的执行引擎\t153
5．8 本章小结\t155
第6章 知识应用：开启知识的变现之旅\t156
6．1 知识图谱嵌入\t156
6．1．1 融合事实信息\t157
6．1．2 融合附加信息\t158
6．2 可视化洞察\t160
6．2．1 问题描述\t161
6．2．2 常用方法\t161
6．2．3 知识库增强的可视化\t163
6．3 信息检索\t165
6．3．1 问题描述\t165
6．3．2 常用算法\t166
6．3．3 知识库增强的检索算法\t167
6．4 推荐系统\t170
6．4．1 问题描述\t170
6．4．2 常用算法\t172
6．4．3 知识库增强的推荐系统\t175
6．5 问答系统\t178
6．5．1 问题描述\t178
6．5．2 常用方法\t179
6．5．3 知识库问答\t181
6．6 实战六步法手记（5）：点线面三级跳\t186
6．7 本章小结\t188
第7章 知识演化：促进新知识的不断产生\t190
7．1 四项共性特征\t190
7．2 订阅推荐\t192
7．3 积累改变规则的规则\t194
7．4 知识推理\t194
7．4．1 传统的规则推理\t196
7．4．2 规则与知识表示结合的推理\t198
7．4．3 实体预测\t201
7．4．4 关系路径推理\t204
7．5 在线学习\t207
7．6 实战六步法手记（6）：形成持续学习的闭环\t209
7．7 本章小结\t211
第8章 组织保障：技术之外的管理手段\t212
8．1 胜任度评估\t213
8．1．1 任务类型\t213
8．1．2 角色类型\t214
8．1．3 团队类型\t215
8．1．4 胜任素质测评\t216
8．2 成熟度评估\t218
8．2．1 等级递进规则严格的模型\t218
8．2．2 等级递进规则灵活的模型\t219
8．2．3 面向实施阶段的模型\t219
8．3 知识资产评估\t220
8．3．1 团队组成\t221
8．3．2 评估对象\t221
8．3．3 评估方法\t222
8．3．4 实施建议\t224
8．4 文化建设\t225
8．4．1 营造学习型组织\t225
8．4．2 融入知识联盟\t227
8．4．3 产业集群层面\t230
8．5 本章小结\t231
第9章 营销洞察实践：连接生产者与消费者\t233
9．1 营销要素\t234
9．2 营销知识中台\t235
9．3 美妆舆情洞察示例\t237
9．4 零售导购赋能示例\t240
9．5 本章小结\t243
第10章 金融行业实践：信贷风控\t244
10．1 零售信贷应用场景\t244
10．2 大数据风控解决方案\t246
10．2．1 数据源\t246
10．2．2 数据中台\t248
10．2．3 决策引擎\t249
10．3 信用评分建模\t250
10．4 关系图谱反欺诈\t255
10．5 本章小结\t256
第11章 其他行业实践\t257
11．1 轨道交通\t257
11．1．1 需求背景\t257
11．1．2 解决方案\t258
11．1．3 应用效果\t260
11．2 媒体资产\t262
11．2．1 需求背景\t262
11．2．2 解决方案\t263
11．2．3 应用效果\t265
11．3 数字城市\t267
11．3．1 需求背景\t267
11．3．2 解决方案\t267
11．3．3 应用效果\t272
11．4 本章小结\t273
参考文献\t275