认知计算与大数据分析PDF电子书下载

第1章 认知计算的基础 1

1.1 新一代的认知计算 2

1.2 认知系统的使用 2

1.3 系统认知的组成 3

1.4 从数据中获取信息 4

1.5 作为认知计算基础的人工智能 6

1.6 理解认知 10

1.7 关于判断和选择的两个系统 12

1.7.1 系统1——自动思考：直觉和偏向 13

1.7.2 系统2——被控制的，以规则为中心且专注的努力 14

1.8 理解系统间的复杂关系 15

1.9 认知系统的元素 17

1.9.1 基础设施和部署模式 18

1.9.2 数据访问、元数据和管理服务 18

1.9.3 语料库、分类系统和数据分类 18

1.9.4 数据分析服务 19

1.9.5 持续机器学习 19

1.9.6 学习的过程 19

1.9.7 呈现与可视化服务 20

1.9.8 认知应用 20

1.10 总结 21

第2章 认知系统的设计原则 23

2.1 认知系统的组成 24

2.2 建立语料库 24

2.3 输入数据到认知系统 28

2.3.1 利用内部与外部数据源 28

2.3.2 数据访问和特征提取服务 29

2.3.3 分析服务 30

2.4 机器学习 30

2.4.1 在数据中发现模式 31

2.4.2 监督学习 31

2.4.3 强化学习 33

2.4.4 无监督学习 34

2.5 假设的生成与评定 35

2.5.1 假设生成 36

2.5.2 假设评定 37

2.6 呈现和可视化服务 38

2.7 总结 40

第3章 自然语言处理支持下的认知系统 41

3.1 自然语言处理在认知系统中的角色 42

3.1.1 上下文的重要性 42

3.1.2 根据含义关联词语 44

3.1.3 理解语言学 45

3.1.4 语言识别和标记 45

3.1.5 音韵学 46

3.1.6 词态学 46

3.1.7 词法分析 47

3.1.8 语法和句法分析 47

3.1.9 构式语法 48

3.1.10 话语分析 48

3.1.11 语用学 49

3.1.12 解决结构歧义的技巧 49

3.1.13 隐马尔可夫模型的重要性 50

3.1.14 语义消歧 51

3.2 语义网 51

3.3 将自然语言技术应用到商业问题 52

3.3.1 改善购物体验 52

3.3.2 利用物联网连接的世界 53

3.3.3 顾客的声音 53

3.3.4 欺诈检测 54

3.4 总结 55

第4章 大数据和认知计算的关系 57

4.1 处理人造数据 57

4.2 定义大数据 58

4.3 大数据结构基础 59

4.3.1 大数据的物理基础 59

4.3.2 安全体系结构 60

4.3.3 操作性数据库 60

4.3.4 数据服务和工具 62

4.4 分析数据仓库 63

4.5 Hadoop 64

4.6 动态数据和流数据 68

4.7 大数据与传统数据结合 70

4.8 总结 70

第5章 在分类学和本体论中表示知识 71

5.1 表示知识 71

5.2 定义分类学和本体论 73

5.3 解释如何表示知识 75

5.4 知识表示模型 80

5.4.1 分类学 80

5.4.2 本体论 81

5.4.3 其他知识表示方法 83

5.4.4 持久性和状态的重要性 84

5.5 实施注意事项 85

5.6 总结 85

第6章 应用于认知计算的高级分析方法 87

6.1 高级分析正在向认知计算发展 87

6.2 高级分析的关键性能 91

6.2.1 统计学、数据挖掘和机器学习之间的关系 91

6.2.2 在分析过程中使用机器学习 92

6.2.3 预测分析 97

6.2.4 文本分析 99

6.2.5 图像分析 100

6.2.6 语音分析 102

6.3 使用高级分析创造价值 103

6.4 开源工具对高级分析的影响 105

6.5 总结 105

第7章 认知计算中云和分布式计算的作用 107

7.1 利用分布式计算分享资源 107

7.2 为什么云服务是认知计算系统的根本 108

7.3 云计算的特征 108

7.4 云计算模型 109

7.4.1 公共云 110

7.4.2 私有云 111

7.4.3 受管理的服务提供商 112

7.4.4 混合云模型 112

7.5 云的分发模型 115

7.5.1 基础设施即服务 115

7.5.2 软件即服务 116

7.5.3 平台即服务 118

7.6 管理作业负载 118

7.7 安全和治理 119

7.8 云端数据整合和管理 120

7.9 总结 120

第8章 认知计算的商业意义 121

8.1 为改变做准备 121

8.2 新颠覆型模式的特点 122

8.3 知识对于商业意味着什么 123

8.4 认知系统方法的特点 124

8.5 通过不同的方式将数据网格化 125

8.6 用商业知识规划未来 127

8.7 解决商业问题的新方法 129

8.8 创建商业特定解决方案 130

8.9 让认知计算成为现实 131

8.10 认知应用如何改变市场 131

8.11 总结 132

第9章 IBM沃森（Watson）——一个认知系统 133

9.1 沃森系统的定义 133

9.2 “极限挑战”促进研究 135

9.3 沃森为《危险边缘》做准备 135

9.4 沃森为商业应用做准备 137

9.5 DeepQA结构组成部分 140

9.5.1 构建沃森语料库：答案和证据来源 141

9.5.2 问题分析 143

9.5.3 假设生成 148

9.5.4 评分和置信度评估 149

9.6 总结 150

第10章 建立认知应用的过程 151

10.1 新兴的认知平台 152

10.2 明确对象 153

10.3 明确领域 153

10.4 了解适用对象并明确它们的属性 154

10.5 明确问题并探索见解 155

10.5.1 典型问答对 156

10.5.2 预知系统 157

10.5.3 获得相关数据源 158

10.6 建立和更新语料库 160

10.6.1 准备数据 161

10.6.2 导入数据 161

10.6.3 修改和扩展语料库 162

10.6.4 管理数据 162

10.7 训练和测试 163

10.8 总结 165

第11章 建立认知医疗系统 167

11.1 医疗认知计算基础 168

11.2 医疗生态系统的组成 169

11.3 从医疗数据模式中学习 170

11.4 建立大数据分析的基础 172

11.5 医疗系统的认知应用 172

11.5.1 新兴的认知医疗应用的两种不同方法 173

11.5.2 认知应用中医疗分类学和本体论的作用 173

11.6 开始建立认知医疗系统 174

11.6.1 明确用户可能会问的问题 174

11.6.2 导入内容来建立语料库 175

11.6.3 训练认知系统 176

11.6.4 丰富问题并加入语料库 176

11.7 使用认知应用来改善健康状况 177

11.7.1 Welltok 178

11.7.2 GenieMD 181

11.7.3 用户健康数据平台 182

11.8 利用认知应用改善电子病历 182

11.9 利用认知应用改善临床教学 183

11.10 总结 185

第12章 智慧城市：政府管理中的认知计算 187

12.1 城市如何运行 187

12.2 智慧城市的特点 189

12.2.1 为规划收集数据 190

12.2.2 运作管理 191

12.2.3 安全和威胁管理 192

12.2.4 市民产生的文件和数据的管理 192

12.2.5 跨政府部门的数据一体化 193

12.3 数据公开运动的兴起将会为认知城市提供动力 194

12.4 万物联网和更智慧的城市 194

12.5 理解数据的所有权和价值 195

12.6 如今城市在主要功能中使用更智能的科技 196

12.6.1 用认知方法管理执法问题 197

12.6.2 智能能源管理：从形象化到分布式 198

12.6.3 利用机器学习保护电网 200

12.6.4 通过认知社区服务提升公众健康水平 201

12.7 预防性保健更智能化的方法 202

12.8 建立更智能的交通基础设施 203

12.8.1 发展中城市的交通管理 203

12.8.2 适应性交通信号灯控制计划 203

12.9 利用分析来弥补员工技能的不足 204

12.9.1 明确新兴技能要求和及时培训 205

12.9.2 数字化入口（DOR）计划 205

12.9.3 认知计算的机遇 206

12.10 创建认知型社区基础设施 207

12.10.1 新型智能连接型社区举措 207

12.10.2 认知计算的机遇 207

12.11 认知型城市的下一发展阶段 208

12.12 总结 208

第13章 新兴认知计算领域 211

13.1 认知计算理想市场的特点 212

13.2 纵向市场和产业 213

13.2.1 零售业 213

13.2.2 旅游业 216

13.2.3 运输与物流 217

13.2.4 通信业 218

13.2.5 安全与威胁探测 219

13.2.6 认知方法影响的其他领域 220

13.3 总结 222

第14章 认知计算的未来应用 223

14.1 下一代的要求 223

14.1.1 利用认知计算提高可预测性 224

14.1.2 知识管理的新生命周期 224

14.1.3 创建直观的人机接口 224

14.1.4 关于增加最佳实践封装的要求 226

14.2 能够改变认知计算未来的技术进步 226

14.3 未来将如何 227

14.3.1 未来五年 227

14.3.2 放眼长期 229

14.4 新兴的创新 230

14.4.1 深度问答与假设生成 231

14.4.2 自然语言处理 231

14.4.3 认知训练工具 232

14.4.4 数据整合与表示 233

14.4.5 新兴的硬件结构 233

14.4.6 自然认知模型的可替代模型 237

14.5 总结 238

缩略语 239