目录
第1章　数据治理　//1
1.1　数据治理概述　//1
1.1.1  数据治理概念　//1
1.1.2  数据治理要素　//2
1.2　数据治理模型　//3
1.2.1  DGI数据治理框架　//4
1.2.2  HESA数据治理模型　//6
1.2.3  渐进式数据治理模型　//7
1.3　智能数据治理　//8
1.3.1  传统数据治理与智能数据治理　//8
1.3.2  数据驱动概述　//8
1.3.3  智能数据治理解决方案　//9
1.4　数据架构与智能数据治理架构　//10
1.4.1  企业架构与数据架构　//10
1.4.2  智能数据治理架构　//14
第2章　知识图谱　//16
2.1　知识图谱概述　//16
2.1.1  知识图谱的演进　//16
2.1.2  知识图谱的体系架构　//17
2.2　知识的存储　//18
2.2.1  知识表示框架及查询语言　//18
2.2.2  基于表结构的存储方案　//20
2.2.3  基于图结构的存储方案　//22
2.3　知识表示　//24
2.3.1  一阶谓词逻辑　//24
2.3.2  产生式系统　//25
2.3.3  框架表示法　//25
2.3.4  语义网络表示法　//27
2.4　知识抽取　//28
2.4.1  实体抽取　//28
2.4.2  关系抽取　//31
2.4.3  事件抽取　//34
2.5　知识融合　//36
2.6　知识推理　//37
2.6.1  基于逻辑规则的推理　//38
2.6.2  基于图结构的推理　//38
2.6.3  基于分布式表示的推理　//39
2.6.4  基于神经网络的推理　//39
2.6.5  混合推理　//40
2.7　知识挖掘　//41
2.7.1  知识内容挖掘：实体链接　//41
2.7.2  知识结构挖掘：规则链接　//44
第3章　大模型时代的知识图谱和智能数据治理　//47
3.1　知识图谱与人工智能　//47
3.1.1  知识图谱是人工智能的基石　//47
3.1.2  知识图谱推动智能应用　//48
3.1.3  知识图谱是人工智能发展的核心驱动之一　//48
3.2　知识图谱与数据治理　//48
3.2.1  良好的数据治理是构建组织知识图谱的基石　//48
3.2.2  知识图谱助力智能数据治理　//49
3.2.3  基于知识图谱的智能数据治理架构　//50
3.3　大模型时代的知识图谱和数据治理　//51
3.3.1  大模型概述　//51
3.3.2  大模型中的关键技术　//52
3.3.3  大模型的优势及特点　//54
3.3.4  常见的大模型　//55
3.3.5  基于大模型的智能系统架构　//57
3.4　大模型时代的知识图谱　//59
3.4.1  知识图谱和大模型面临的现实困境和融合机遇　//59
3.4.2  知识图谱和大模型融合应用的三种主流模式　//64
3.4.3  大模型和知识图谱　//67
3.4.4  大模型与知识图谱的协同技术　//68
3.4.5  基于大模型的智能知识图谱架构　//69
3.5　大模型时代的智能数据治理　//74
3.5.1  传统的数据治理技术　//75
3.5.2  数据治理为大模型奠定基础　//78
3.5.3  大模型在数据治理中的应用　//78
3.5.4  面向大模型的数据治理框架　//81
3.5.5  基于大模型的智能数据治理　//83
3.6　基于领域知识图谱的数据治理架构　//84
3.6.1  医疗领域的智能数据治理　//84
3.6.2  政务领域的智能数据治理　//85
3.6.3  低碳领域的智能数据治理　//86
3.6.4  基于知识图谱的智能知识服务　//86
第4章　医疗领域科学知识图谱绘制　//88
4.1　科学知识图谱概述　//89
4.1.1  知识图谱分析方法　//89
4.1.2  知识图谱绘制工具　//90
4.2　CiteSpace概述　//91
4.2.1  软件主界面　//91
4.2.2  合作网络分析　//92
4.2.3  中文CNKI数据的分析实践　//97
4.3　医疗知识图谱构建　//101
4.4　儿童孤独症知识图谱分析　//103
4.4.1  儿童孤独症学科共引分析　//103
4.4.2  儿童孤独症知识基础知识图谱分析　//105
4.4.3  儿童孤独症研究领域的核心期刊　//107
4.4.4  儿童孤独症研究机构分析　//109
4.4.5  基于CiteSpace的儿童孤独症知识库关键知识点分析　//111
第5章　数据驱动的儿童孤独症主动知识服务模型构建　//121
5.1　儿童孤独症筛查与干预平台构建　//121
5.1.1  建立基于众包模式的孤独症患儿信息库及知识库　//122
5.1.2  建立儿童孤独症知识服务个性化推荐模型　//124
5.2　区域儿童孤独症筛查与干预数据治理实施架构　//125
5.3　知识库本体构建及知识爬取方法概述　//127
5.3.1  本体构建方法　//127
5.3.2  知识爬取方法　//130
5.4　孤独症本体构建　//131
5.4.1  孤独症本体框架　//131
5.4.2  孤独症本体构建　//133
5.5　基于Heritrix和HTMLParser的孤独症知识文本提取　//136
5.5.1  爬虫解析过程　//137
5.5.2  算法优化　//139
5.6　孤独症疾病领域知识库结构　//140
第6章　个人健康信息知识图谱构建　//143
6.1　电子病历概述　//143
6.1.1  电子病历文本类型　//143
6.1.2  电子病历实体分类　//143
6.1.3  电子病历实体关系分类　//144
6.2　模型与方法　//145
6.2.1  基于转换器的双向编码器表示　//145
6.2.2  条件随机场　//146
6.2.3  长短期记忆网络　//147
6.2.4  注意力机制模型　//149
6.2.5  CNN　//150
6.3　电子病历命名实体识别　//150
6.3.1  BiLSTM-CRF模型原理　//150
6.3.2  BiLSTM-CRF模型的构建　//152
6.3.3  电子病历实体数据预处理　//153
6.3.4  结果分析　//155
6.4　电子病历关系抽取　//156
6.4.1  CNN构建　//156
6.4.2  电子病历关系数据预处理　//157
6.4.3  结果分析　//158
6.5　电子病历关系抽取　//160
6.5.1  Neo4j图数据库　//160
6.5.2  Neo4j图数据库存储　//160
6.6　大模型在健康管理领域的应用　//164
6.6.1  国内外典型医疗大模型　//165
6.6.2  医学临床数据治理　//166
6.6.3  智能病理诊断　//168
6.6.4  疾病风险预测与医疗资源管理　//169
6.6.5  大模型助力医院构建智慧医护体系　//170
第7章　政务服务数据治理平台构建　//173
7.1　主动式政务服务需求　//173
7.1.1  主动式政务服务　//173
7.1.2  个性化政务服务　//174
7.1.3  移动政务服务　//174
7.2　主动式政务服务数据治理平台构建　//174
7.2.1  多源数据整合　//175
7.2.2  政务服务云平台总体架构　//176
7.3　模式创新　//177
7.3.1  主动式政务服务模式创新　//177
7.3.2  管理模式创新　//179
7.4　主动式政务服务云平台构建案例　//182
7.4.1  基于“三单管理”的标准化审批服务　//182
7.4.2  基于“网格化”的智慧城市治理新模式　//183
7.5　大模型在智慧政务领域的应用　//183
7.5.1  智能政务服务　//184
7.5.2  城市智能化治理　//185
7.5.3  应用大模型技术打造政府网站智能问答服务　//187
第8章　低碳领域的数据治理　//192
8.1　低碳领域数据构成　//192
8.1.1  能源消耗类数据　//192
8.1.2  碳源类数据　//194
8.1.3  碳汇类数据　//195
8.2　知识图谱和区块链应用策略　//195
8.2.1  知识图谱和区块链技术概述　//195
8.2.2  知识图谱在低碳数据治理中的应用策略　//196
8.2.3  区块链在低碳数据治理中的应用策略　//197
8.3　数据治理平台需求　//198
8.3.1  问题分析　//198
8.3.2  业务性需求　//199
8.3.3  功能性需求　//200
8.3.4  低碳数据治理系统软硬件配置要求　//201
8.3.5  低碳数据治理系统性能需求　//201
8.4　低碳数据治理系统的设计与实现　//203
8.4.1  总体框架设计　//203
8.4.2  数据库设计　//205
8.4.3  各功能模块设计与实现　//213
8.5　低碳数据治理系统构建示例　//222
8.5.1  应用效果　//222
8.5.2  小结　//228
8.6　大模型在低碳数据治理领域的应用　//228
8.6.1  绿色电力系统优化　//228
8.6.2  智慧农业生产作业　//229
8.6.3  有色冶金能源管理　//230
8.6.4  新能源汽车智能制造　//230
8.6.5  智能建造设计装配　//231
8.6.6  大模型助力建筑行业智能化转型升级　//232
参考文献　//234