本書主要介紹知識系統(tǒng)、知識服務、知識管理及知識工程的相關內(nèi)容，共三個部分。第一部分主要介紹知識系統(tǒng)與知識服務，這部分從知識的定義出發(fā)，闡述知識服務的產(chǎn)生及與知識系統(tǒng)的關系，并詳細介紹了四種典型的知識系統(tǒng)，著重介紹其發(fā)展歷史、種類特征和體系框架等。第二部分主要介紹知識管理與知識工程，這部分內(nèi)容圍繞知識管理展開，涵蓋知識管理的產(chǎn)生與發(fā)展、關鍵技術、系統(tǒng)類型及常用的知識管理平臺等。第三部分重點分析當前知識系統(tǒng)中的重點、難點和關鍵技術，并且詳細介紹作者科研團隊在知識鑒別、知識分析、知識導航、專家推薦及知識云等方面的最新研究成果。與此同時，本書還介紹作者科研團隊提出的創(chuàng)新算法在知識系統(tǒng)中的應用，并以原型系統(tǒng)的形式予以展示。
徐小龍，南京郵電大學計算機學院教授，博士生導師。"通信與信息系統(tǒng)專業(yè)”博士，"電子科學與技術”博士后流動站博士后（出站），國家卓越工程師計劃專業(yè)負責人。2011年獲得國家留學基金委資助赴英國從事博士后研究，一直從事分布式計算、移動計算、物聯(lián)網(wǎng)、信息網(wǎng)絡與信息安全等技術領域的教學和科研工作。
目錄
第1章 知識系統(tǒng)與知識服務 1
1.1 數(shù)據(jù)、信息及知識 1
1.1.1 知識定義及特征 1
1.1.2 知識升華過程 3
1.2 知識系統(tǒng)、需求及服務 5
1.2.1 知識系統(tǒng) 5
1.2.2 知識需求 7
1.2.3 知識服務 8
1.3 搜索引擎 10
1.3.1 定義 10
1.3.2 歷史與發(fā)展歷程 11
1.3.3 種類劃分 12
1.3.4 關鍵技術 12
1.3.5 體系結構和工作流程 14
1.3.6 代表性的搜索引擎 16
1.4 網(wǎng)絡百科全書 17
1.4.1 定義和主要特征 17
1.4.2 歷史與發(fā)展歷程 18
1.4.3 維基百科的特征、體系架構和工作流程 20
1.4.4 維基百科的內(nèi)容管理技術和規(guī)范 22
1.4.5 代表性的網(wǎng)絡百科全書 22
1.5 網(wǎng)絡文獻共享平臺 23
1.5.1 定義 23
1.5.2 主要特征 23
1.5.3 歷史和發(fā)展歷程 23
1.5.4 典型功能 24
1.6 地理信息系統(tǒng) 25
1.6.1 地理數(shù)據(jù)與信息 25
1.6.2 定義 25
1.6.3 歷史與發(fā)展現(xiàn)狀 26
1.6.4 全球衛(wèi)星導航系統(tǒng) 27
1.6.5 全球衛(wèi)星導航系統(tǒng)的主要構成及其功能 28
1.7 本章小結 29
本章參考文獻 29
第2章 知識管理與知識工程 31
2.1 知識管理 31
2.1.1 產(chǎn)生與發(fā)展 31
2.1.2 知識的運動 36
2.1.3 定義 36
2.2 知識工程 38
2.2.1 產(chǎn)生與發(fā)展 38
2.2.2 定義 39
2.2.3 與知識管理的區(qū)別和聯(lián)系 39
2.3 關鍵技術 40
2.3.1 概述 40
2.3.2 知識獲取 41
2.3.3 知識鑒別 43
2.3.4 知識統(tǒng)計 48
2.3.5 知識檢索 49
2.3.6 知識圖譜 50
2.3.7 專家推薦 52
2.3.8 知識共享 53
2.4 系統(tǒng)架構分類 53
2.4.1 基于Web 1.0的系統(tǒng)架構 53
2.4.2 基于Web 2.0的系統(tǒng)架構 54
2.4.3 基于P2P的系統(tǒng)架構 55
2.5 知識大數(shù)據(jù) 58
2.6 大數(shù)據(jù)環(huán)境下的知識管理框架模型 60
2.6.1 基礎設施構建平臺 60
2.6.2 知識大數(shù)據(jù)采集 61
2.6.3 知識大數(shù)據(jù)檢索 63
2.6.4 開源大數(shù)據(jù)處理平臺 65
2.7 本章小結 71
本章參考文獻 71
第3章 知識鑒別 77
3.1 背景與問題分析 77
3.2 重名消歧 80
3.2.1 相關定義 80
3.2.2 單特征消歧算法 81
3.2.3 多特征融合消歧算法 85
3.2.4 實驗驗證與性能分析 88
3.3 真值發(fā)現(xiàn) 92
3.3.1 相關定義 92
3.3.2 典型的真值發(fā)現(xiàn)算法 94
3.3.3 基于實體屬性的真值發(fā)現(xiàn)算法 97
3.3.4 實驗驗證與性能分析 102
3.4 本章小結 104
本章參考文獻 105
第4章 知識聚類與統(tǒng)計 109
4.1 背景與問題分析 109
4.2 相關概念 111
4.2.1 共詞分析技術 111
4.2.2 共現(xiàn)矩陣的相似度系數(shù) 111
4.3 基于MapReduce的共現(xiàn)矩陣構建方法 113
4.3.1 知識對象建模 113
4.3.2 MR-CoMatrix算法 113
4.3.3 相似度矩陣構建 114
4.4 知識聚類與統(tǒng)計方法 116
4.4.1 基于相似度矩陣的知識聚類 116
4.4.2 MR-Statistics算法 117
4.5 實驗驗證與性能分析 118
4.5.1 實驗環(huán)境 118
4.5.2 實驗與性能分析 119
4.6 原型系統(tǒng) 127
4.6.1 系統(tǒng)架構設計 127
4.6.2 功能模塊設計 129
4.6.3 系統(tǒng)實現(xiàn) 132
4.7 本章小結 135
本章參考文獻 135
第5章 知識導航 141
5.1 背景與問題分析 141
5.2 知識圖譜與知識地圖 142
5.2.1 知識圖譜 142
5.2.2 知識地圖 143
5.3 文獻導航 145
5.3.1 相關定義 145
5.3.2 知識地圖構建 146
5.3.3 文獻最佳路徑推薦 149
5.4 實驗驗證與性能分析 149
5.4.1 實驗環(huán)境 149
5.4.2 實驗性能指標 149
5.4.3 實驗與性能分析 150
5.5 應用效果展示與分析 153
5.6 本章小結 154
本章參考文獻 154
第6章 專家推薦 159
6.1 背景與問題分析 159
6.2 相關技術與問題建模 160
6.2.1 網(wǎng)絡嵌入技術 160
6.2.2 問題建模 162
6.3 改進的網(wǎng)絡嵌入算法 163
6.3.1 融合結構和內(nèi)容 163
6.3.2 解決優(yōu)化問題 164
6.3.3 高階網(wǎng)絡嵌入 164
6.3.4 進一步推廣 166
6.4 專家推薦策略 166
6.4.1 譜聚類 166
6.4.2 專家推薦策略的計算方法 167
6.5 實驗驗證與性能分析 168
6.5.1 實驗環(huán)境 168
6.5.2 實驗數(shù)據(jù)及預處理 168
6.5.3 實驗性能對比 169
6.6 原型系統(tǒng) 171
6.6.1 系統(tǒng)架構設計 171
6.6.2 功能模塊設計 172
6.6.3 系統(tǒng)實現(xiàn) 175
6.7 本章小結 177
本章參考文獻 177
第7章 知識云 181
7.1 背景與問題分析 181
7.2 知識云模型框架 182
7.2.1 模型提出 182
7.2.2 工作流程 182
7.3 知識系統(tǒng)服務質(zhì)量問題 183
7.3.1 服務質(zhì)量概述 183
7.3.2 知識云系統(tǒng)分析 184
7.3.3 復合自適應QoS保障機制模型和工作流程 185
7.4 知識云系統(tǒng)設計 187
7.4.1 系統(tǒng)技術概述 187
7.4.2 系統(tǒng)功能設計 188
7.4.3 系統(tǒng)架構選擇 189
7.4.4 普通節(jié)點模塊設計 190
7.4.5 主節(jié)點模塊設計 190
7.4.6 底層網(wǎng)絡通信設計 191
7.4.7 P2P架構協(xié)議選擇 192
7.5 知識云系統(tǒng)實現(xiàn) 193
7.5.1 主節(jié)點端的實現(xiàn) 193
7.5.2 普通節(jié)點端的實現(xiàn) 197
7.5.3 知識云系統(tǒng)結果展示 201
7.6 本章小結 202
本章參考文獻 203
書單推薦
