認知計算與大數(shù)據(jù)分析

第 1 章　認知計算的基礎 001
1．1　新一代的認知計算　002
1．2　認知系統(tǒng)的使用　002
1．3　系統(tǒng)認知的組成　003
1．4　從數(shù)據(jù)中獲取信息　004
1．5　作為認知計算基礎的人工智能　006
1．6　理解認知　010
1．7　關(guān)于判斷和選擇的兩個系統(tǒng)　012
1．7．1　系統(tǒng)1——自動思考：直覺和偏向　013
1．7．2　系統(tǒng)2——被控制的，以規(guī)則為中心且專注的努力　014
1．8　理解系統(tǒng)間的復雜關(guān)系　015
1．9　認知系統(tǒng)的元素　017
1．9．1　基礎設施和部署模式　018
1．9．2　數(shù)據(jù)訪問、元數(shù)據(jù)和管理服務　018
1．9．3　語料庫、分類系統(tǒng)和數(shù)據(jù)分類　018
1．9．4　數(shù)據(jù)分析服務　019
1．9．5　持續(xù)機器學習　019
1．9．6　學習的過程　019
1．9．7　呈現(xiàn)與可視化服務　020
1．9．8　認知應用　020
1．10　總結(jié)　021
第　2 章 認知系統(tǒng)的設計原則　023
2．1　認知系統(tǒng)的組成　024
2．2　建立語料庫　024
2．3　輸入數(shù)據(jù)到認知系統(tǒng)　028
2．3．1　利用內(nèi)部與外部數(shù)據(jù)源　028
2．3．2　數(shù)據(jù)訪問和特征提取服務　029
2．3．3　分析服務　030
2．4　機器學習　030
2．4．1　在數(shù)據(jù)中發(fā)現(xiàn)模式　031
2．4．2　監(jiān)督學習　031
2．4．3　強化學習　033
2．4．4　無監(jiān)督學習　034
2．5　假設的生成與評定　035
2．5．1　假設生成　036
2．5．2　假設評定　037
2．6　呈現(xiàn)和可視化服務　038
2．7　總結(jié)　040
第　3 章 自然語言處理支持下的認知系統(tǒng)　041
3．1　自然語言處理在認知系統(tǒng)中的角色　042
3．1．1　上下文的重要性　042
3．1．2　根據(jù)含義關(guān)聯(lián)詞語　044
3．1．3　理解語言學　045
3．1．4　語言識別和標記　045
3．1．5　音韻學　046
3．1．6　詞態(tài)學　046
3．1．7　詞法分析　047
3．1．8　語法和句法分析　047
3．1．9　構(gòu)式語法　048
3．1．10　話語分析　048
3．1．11　語用學　049
3．1．12　解決結(jié)構(gòu)歧義的技巧　049
3．1．13　隱馬爾可夫模型的重要性　050
3．1．14　語義消歧　051
3．2　語義網(wǎng)　051
3．3　將自然語言技術(shù)應用到商業(yè)問題　052
3．3．1　改善購物體驗　052
3．3．2　利用物聯(lián)網(wǎng)連接的世界　053
3．3．3　顧客的聲音　053
3．3．4　欺詐檢測　054
3．4　總結(jié)　055
第　4 章 大數(shù)據(jù)和認知計算的關(guān)系　057
4．1　處理人造數(shù)據(jù)　057
4．2　定義大數(shù)據(jù)　058
4．3　大數(shù)據(jù)結(jié)構(gòu)基礎　059
4．3．1　大數(shù)據(jù)的物理基礎　059
4．3．2　安全體系結(jié)構(gòu)　060
4．3．3　操作性數(shù)據(jù)庫　060
4．3．4　數(shù)據(jù)服務和工具　062
4．4　分析數(shù)據(jù)倉庫　063
4．5　Hadoop　064
4．6　動態(tài)數(shù)據(jù)和流數(shù)據(jù)　068
4．7　大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)結(jié)合　070
4．8　總結(jié)　070
第　5 章 在分類學和本體論中表示知識　071
5．1　表示知識　071
5．2　定義分類學和本體論　073
5．3　解釋如何表示知識　075
5．4　知識表示模型　080
5．4．1　分類學　080
5．4．2　本體論　081
5．4．3　其他知識表示方法　083
5．4．4　持久性和狀態(tài)的重要性　084
5．5　實施注意事項　085
5．6　總結(jié)　085
第　6 章 應用于認知計算的高級分析方法　087
6．1　高級分析正在向認知計算發(fā)展　087
6．2　高級分析的關(guān)鍵性能　091
6．2．1　統(tǒng)計學、數(shù)據(jù)挖掘和機器學習之間的關(guān)系　091
6．2．2　在分析過程中使用機器學習　092
6．2．3　預測分析　097
6．2．4　文本分析　099
6．2．5　圖像分析　100
6．2．6　語音分析　102
6．3　使用高級分析創(chuàng)造價值　103
6．4　開源工具對高級分析的影響　105
6．5　總結(jié)　105
第　7 章 認知計算中云和分布式計算的作用　107
7．1　利用分布式計算分享資源　107
7．2　為什么云服務是認知計算系統(tǒng)的根本　108
7．3　云計算的特征　108
7．4　云計算模型　109
7．4．1　公共云　110
7．4．2　私有云　111
7．4．3　受管理的服務提供商　112
7．4．4　混合云模型　112
7．5　云的分發(fā)模型　115
7．5．1　基礎設施即服務　115
7．5．2　軟件即服務　116
7．5．3　平臺即服務　118
7．6　管理作業(yè)負載　118
7．7　安全和治理　119
7．8　云端數(shù)據(jù)整合和管理　120
7．9　總結(jié)　120
第　8 章 認知計算的商業(yè)意義　121
8．1　為改變做準備　121
8．2　新顛覆型模式的特點　122
8．3　知識對于商業(yè)意味著什么　123
8．4　認知系統(tǒng)方法的特點　124
8．5　通過不同的方式將數(shù)據(jù)網(wǎng)格化　125
8．6　用商業(yè)知識規(guī)劃未來　127
8．7　解決商業(yè)問題的新方法　129
8．8　創(chuàng)建商業(yè)特定解決方案　130
8．9　讓認知計算成為現(xiàn)實　131
8．10　認知應用如何改變市場　131
8．11　總結(jié)　132
第　9 章 IBM 沃森（Watson）——一個認知系統(tǒng)　133
9．1　沃森系統(tǒng)的定義　133
9．2　“極限挑戰(zhàn)”促進研究　135
9．3　沃森為《危險邊緣》做準備　135
9．4　沃森為商業(yè)應用做準備　137
9．5　DeepQA 結(jié)構(gòu)組成部分　140
9．5．1　構(gòu)建沃森語料庫：答案和證據(jù)來源　141
9．5．2　問題分析　143
9．5．3　假設生成　148
9．5．4　評分和置信度評估　149
9．6　總結(jié)　150
第　10 章 建立認知應用的過程　151
10．1　新興的認知平臺　152
10．2　明確對象　153
10．3　明確領域　153
10．4　了解適用對象并明確它們的屬性　154
10．5　明確問題并探索見解　155
10．5．1　典型問答對　156
10．5．2　預知系統(tǒng)　157
10．5．3　獲得相關(guān)數(shù)據(jù)源　158
10．6　建立和更新語料庫　160
10．6．1　準備數(shù)據(jù)　161
10．6．2　導入數(shù)據(jù)　161
10．6．3　修改和擴展語料庫　162
10．6．4　管理數(shù)據(jù)　162
10．7　訓練和測試　163
10．8　總結(jié)　165
第　11 章 建立認知醫(yī)療系統(tǒng)　167
11．1　醫(yī)療認知計算基礎　168
11．2　醫(yī)療生態(tài)系統(tǒng)的組成　169
11．3　從醫(yī)療數(shù)據(jù)模式中學習　170
11．4　建立大數(shù)據(jù)分析的基礎　172
11．5　醫(yī)療系統(tǒng)的認知應用　172
11．5．1　新興的認知醫(yī)療應用的兩種不同方法　173
11．5．2　認知應用中醫(yī)療分類學和本體論的作用　173
11．6　開始建立認知醫(yī)療系統(tǒng)　174
11．6．1　明確用戶可能會問的問題　174
11．6．2　導入內(nèi)容來建立語料庫　175
11．6．3　訓練認知系統(tǒng)　176
11．6．4　豐富問題并加入語料庫　176
11．7　使用認知應用來改善健康狀況　177
11．7．1　Welltok　178
11．7．2　GenieMD　181
11．7．3　用戶健康數(shù)據(jù)平臺　182
11．8　利用認知應用改善電子病歷　182
11．9　利用認知應用改善臨床教學　183
11．10　總結(jié)　185
第　12 章 智慧城市：政府管理中的認知計算　187
12．1　城市如何運行　187
12．2　智慧城市的特點　189
12．2．1　為規(guī)劃收集數(shù)據(jù)　190
12．2．2　運作管理　191
12．2．3　安全和威脅管理　192
12．2．4　市民產(chǎn)生的文件和數(shù)據(jù)的管理　192
12．2．5　跨政府部門的數(shù)據(jù)一體化　193
12．3　數(shù)據(jù)公開運動的興起將會為認知城市提供動力　194
12．4　萬物聯(lián)網(wǎng)和更智慧的城市　194
12．5　理解數(shù)據(jù)的所有權(quán)和價值　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　用認知方法管理執(zhí)法問題　197
12．6．2　智能能源管理：從形象化到分布式　198
12．6．3　利用機器學習保護電網(wǎng)　200
12．6．4　通過認知社區(qū)服務提升公眾健康水平　201
12．7　預防性保健更智能化的方法　202
12．8　建立更智能的交通基礎設施　203
12．8．1　發(fā)展中城市的交通管理　203
12．8．2　適應性交通信號燈控制計劃　203
12．9　利用分析來彌補員工技能的不足　204
12．9．1　明確新興技能要求和及時培訓　205
12．9．2　數(shù)字化入口（DOR）計劃　205
12．9．3　認知計算的機遇　206
12．10　創(chuàng)建認知型社區(qū)基礎設施　207
12．10．1　新型智能連接型社區(qū)舉措　207
12．10．2　認知計算的機遇　207
12．11　認知型城市的下一發(fā)展階段　208
12．12　總結(jié)　208
第　13 章 新興認知計算領域　211
13．1　認知計算理想市場的特點　212
13．2　縱向市場和產(chǎn)業(yè)　213
13．2．1　零售業(yè)　213
13．2．2　旅游業(yè)　216
13．2．3　運輸與物流　217
13．2．4　通信業(yè)　218
13．2．5　安全與威脅探測　219
13．2．6　認知方法影響的其他領域　220
13．3　總結(jié)　222
第　14 章 認知計算的未來應用　223
14．1　下一代的要求　223
14．1．1　利用認知計算提高可預測性　224
14．1．2　知識管理的新生命周期　224
14．1．3　創(chuàng)建直觀的人機接口　224
14．1．4　關(guān)于增加最佳實踐封裝的要求　226
14．2　能夠改變認知計算未來的技術(shù)進步　226
14．3　未來將如何　227
14．3．1　未來五年　227
14．3．2　放眼長期　229
14．4　新興的創(chuàng)新　230
14．4．1　深度問答與假設生成　231
14．4．2　自然語言處理　231
14．4．3　認知訓練工具　232
14．4．4　數(shù)據(jù)整合與表示　233
14．4．5　新興的硬件結(jié)構(gòu)　233
14．4．6　自然認知模型的可替代模型　237
14．5　總結(jié)　238
縮略語　239