1. 51行业报告网移动版首页
  2. 最近更新

中国知识工程行业市场发展现状及未来发展方向研究报告(2024-2029版)

  • 【编 号】463331
  • 【页 数】150页
  • 【图 表】30个
  • 【修 订】2023年06月
  • 【交 付】Email / 快递 免运费
  • 【订 购】400-886-7071(触摸可拨打)
  • 【提 示】英文等其他语言版本,请与我们联系。
优惠买报告 聚划算!首单特惠6折起!
  • 选择版本:
    电子版 ¥8500
    纸质版 ¥8500
    两版合订 ¥8800
    您选择的报告版本价格为:¥ 8500.00
    您选择的报告版本价格为:¥ 8500.00
    您选择的报告版本价格为:¥ 8800.00
报告简介

本研究咨询报告由北京中道泰和信息咨询有限公司领衔撰写,在大量周密的市场调研基础上,主要依据了国家统计局、国家商务部、国家发改委、国家经济信息中心、国务院发展研究中心、国家海关总署、全国商业信息中心、中国经济景气监测中心、51行业报告网、全国及海外相关报刊杂志的基础信息以及知识工程行业研究单位等公布和提供的大量资料。报告对我国知识工程行业的供需状况、发展现状、子行业发展变化等进行了分析,重点分析了国内外知识工程行业的发展现状、如何面对行业的发展挑战、行业的发展建议、行业竞争力,以及行业的投资分析和趋势预测等等。报告还综合了知识工程行业的整体发展动态,对行业在产品方面提供了参考建议和具体解决办法。报告对于知识工程产品生产企业、经销商、行业管理部门以及拟进入该行业的投资者具有重要的参考价值,对于研究我国知识工程行业发展规律、提高企业的运营效率、促进企业的发展壮大有学术和实践的双重意义。

报告目录

第一章 知识工程发展概况

第一节 知识工程的发展历史

第二节 数据处理与研究方法

第三节 知识工程研究的演进脉络

一、时间分布

二、学科渗透

三、作者分布

四、机构分布

第四节 知识工程研究的主题分布

第五节 知识工程研究的发展趋势

第六节 发展总结

第二章 知识工程之知识表示

第一节 知识表示概述

一、表示学习的基本概念

二、表示学习的理论基础

三、知识表示学习的典型应用

四、知识表示学习的主要优点

第二节 知识表示学习的主要方法

一、距离模型

二、单层神经网络模型

三、能量模型

四、双线性模型

五、张量神经网络模型

六、矩阵分解模型

七、翻译模型

八、其他模型

第三节 知识表示学习的主要挑战与已有解决方案

一、复杂关系建模

二、多源信息融合

三、关建路径建模

第四节 知识表示学习未来研究方向展望

一、面向不同知识类型的知识表示学习

二、多源信息融合的知识表示学习

三、考虑复杂推理模式的知识表示学习

四、其他研究方向

第三章 知识工程之数据库

第一节 智库知识库的概述

第二节 智库知识库的建设案例

一、rand知识库建设

二、swp知识库建设

三、rand和swp两者比较

第三节 智库知识库的构建要求

第四节 智库知识库的构建流程

一、明确项目的知识需求

二、信息资源的收集获取

三、信息资源的知识组织

四、智库知识库服务提供

第五节 智库知识库的联盟化策略探讨

第六节 企业知识库管理系统数据库的设计

一、系统设计原则

二、数据库建模方法

第七节 企业知识库系统的设计

一、系统的设计

二、系统的应用

第四章 知识工程之知识推理

第一节 基于本体的贝叶斯网络知识推理概述

第二节 建立本体设计知识模型

第三节 贝叶斯网络知识推理

第四节 实例验证

第五节 总结

第五章 知识工程之专家系统

第一节 概述

第二节 专家系统的类型

第三节 专家系统的构造

第四节 专家系统的模型

一、基于规则的专家系统

二、基于框架的专家系统

三、基于模型的专家系统

四、新型专家系统

第六章 知识工程之大数据机器学习

第一节 大数据机器学习系统研究背景

第二节 大数据机器学习系统的技术特征

第三节 大数据机器学习系统的主要研究问题

第四节 大数据机器学习系统的分类

第五节 典型大数据学习方法和系统介绍

第六节 跨平台统一大数据机器学习系统octopus的研究设计

第七节 大数据机器学习总结

第七章 知识工程之知识图谱

第一节 知识图谱的定义与架构

一、知识图谱的定义

二、知识图谱的架构

第二节 知识图谱的构建技术

一、信息抽取

二、知识融合

三、知识加工

四、知识更新

第三节 跨语言知识图谱的构建

一、跨语言知识抽取

二、跨语言知识链接

第四节 知识图谱的应用

第五节 问题与挑战

第六节 总结

第八章 知识工程未来发展方向

第一节 知识工程的典型应用

一、在工业设计中的应用

二、在机械产品参数化设计中的应用

三、在工艺决策方面的应用

第二节 知识工程在教育领域的应用

第三节 知识工程的新兴应用领域

一、在电子政务中的应用

二、在电子商务中的应用

三、在虚拟企业中的应用

四、本体与知识共享

第四节 知识工程技术发展方向

图表目录

图表:现实世界与内隐世界的特点

图表:张量神经网络模型

图表:transe模型

图表:复杂关系示例

图表:transh模型

图表:transr模型

图表:transd模型

图表:传统模型和transa模型比较

图表:传统模型与transg模型比较

图表:kg2e模型

图表:dkrl(cbow)模型1

图表:dkrl(cnn)模型2

图表:ptranse模型

图表:知识库的构建模型

图表:智库知识库的构建流程

图表:系统的体系构架

图表:目录分类信息结构邻接列表模型数据示例表

图表:知识目录分类基本情况表

图表:目录分类扩展属性表

图表:企业知识库系统构架

图表:企业成果数据库表

图表:企业专家数据库表

图表:用户问题数据库表

图表:企业经验交流数据库表

图表:包装设计任务本体模型

图表:包装设计知识本体模型

图表:设计人员本体模型

图表:纸箱的强度设计知识本体模型

图表:纸箱的强度设计知识的贝叶斯网络拓扑结构

图表:贝叶斯网络拓扑结构节点及变量信息

图表:“缓冲设计”知识节点条件概率分布(1)

图表:“强度设计”节点条件概率分布(2)

图表:设计知识节点后验概率分布(3)

图表:专家系统的概念结构

图表:专家系统的理想结构

图表:专家系统的实际结构示例

图表:地质图件绘制智能辅助系统结构

图表:专家系统的客户(机)/服务器结构及浏览器/服务器结构

图表:黑板结构

图表:基于规则的专家系统的工作模型

图表:基于规则的专家系统的机构

图表:基于框架专家系统的结构

图表:神经网络专家系统的基本结构

图表:大数据机器学习系统所涉及的复杂因素

图表:大数据机器学习系统抽象

图表:研究者apacheflink提出的分析维度和研究现状

图表:spark系统研究者提出的分析维度和研究现状

图表:octopus(大章鱼)软件系统框架

图表:基于r语言和octopus的跨平台统一大数据机器学习系统

图表:基于octopus和常规r语言的linearregresssion算法代码比较

图表:知识图谱的技术架构

400-886-7071
立即购买
在线客服