如何利用人工智能技术有效地管理知识资产，成为企业保持持续竞争力的重要问题。作者从数据科学的视角出发，提出知识中台需要管理三类知识（事实知识、原理知识和技能知识）和具备四项能力（知识抽取、知识管理、知识计算和知识演化）。本书结合人工智能的前沿成果，分章节详细讲述了其中的关键技术和实施路径。同时，从业务视角出发，讲解了知识中台在营销、金融、工业领域的经典案例。

第1章 知识中台：厘清功能边界1 1.1 知识的类别2 1.1.1 知识的哲学观点2 1.1.2 知识的认知心理学分类3 1.1.3 知识的管理学分类5 1.1.4 信息技术视角下的知识9 1.2 核心概念14 1.2.1 两类用户14 1.2.2 三类知识15 1.2.3 六步建设法17 1.3 数据挖掘三范式19 1.3.1 数据湖式20 1.3.2 数据中台式20 1.3.3 知识中台式21 1.4 知识中台不是什么21 1.5 系统架构22 1.5.1 生命周期23 1.5.2 技术框架24 1.6 本章小结29 第2章 知识建模：从原材料清单到统一蓝图31 2.1 设计内容：类别与任务体系31 2.2 设计原则33 2.3 设计步骤34 2.3.1 数据字典收集34 2.3.2 数据洞察35 2.3.3 业务访谈36 2.3.4 两个体系设计36 2.3.5 打通两体系39 2.4 典型设计示例40 2.4.1 词库类40 2.4.2 百科知识类41 2.4.3 常识知识类42 2.4.4 领域知识类43 2.5 实战六步法手记（1）：勾勒全局视图45 2.6 本章小结47 第3章 知识抽取：从数据源中提炼知识片段49 3.1 结构化数据的映射50 3.1.1 数据规范50 3.1.2 数据清洗53 3.1.3 数据映射57 3.2 非结构化信息的抽取63 3.2.1 任务、挑战与技术路线64 3.2.2 实体识别67 3.2.3 关系抽取71 3.2.4 事件抽取76 3.3 容易被忽视的隐性知识挖掘80 3.3.1 文本中的事理关系81 3.3.2 网络结构中的隐含模式82 3.3.3 时间序列中的周期与强度90 3.4 实战六步法手记（2）：先小而精，再大而全97 3.5 本章小结101 第4章 知识管理：从分散碎片到集中资产103 4.1 知识融合103 4.1.1 本体融合104 4.1.2 实体融合105 4.1.3 关系融合107 4.1.4 流程融合107 4.2 类目管理109 4.3 存储方式的选择111 4.3.1 传统存储111 4.3.2 非关系型数据库111 4.3.3 数据库对比小结118 4.3.4 知识图谱120 4.4 知识的反向溯源121 4.5 实战六步法手记（3）：人机协同很有必要122 4.6 本章小结124 第5章 知识计算：让知识可自动执行125 5.1 指标：的预置知识125 5.1.1 逻辑结构126 5.1.2 指标体系128 5.2 规则：带条件的预置知识128 5.2.1 规则引擎129 5.2.2 常用工具131 5.2.3 专家系统135 5.3 模型：复杂问题的简化表达137 5.3.1 物理模型137 5.3.2 机器学习模型138 5.3.3 因果模型143 5.4 工作流148 5.5 业务流程管理150 5.5.1 定义规范150 5.5.2 基本元素151 5.5.3 常用工具152 5.6 机器人流程自动化152 5.7 实战六步法手记（4）：融合式的执行引擎153 5.8 本章小结155 第6章 知识应用：开启知识的变现之旅156 6.1 知识图谱嵌入156 6.1.1 融合事实信息157 6.1.2 融合附加信息158 6.2 可视化洞察160 6.2.1 问题描述161 6.2.2 常用方法161 6.2.3 知识库增强的可视化163 6.3 信息检索165 6.3.1 问题描述165 6.3.2 常用算法166 6.3.3 知识库增强的检索算法167 6.4 **系统170 6.4.1 问题描述170 6.4.2 常用算法172 6.4.3 知识库增强的**系统175 6.5 问答系统178 6.5.1 问题描述178 6.5.2 常用方法179 6.5.3 知识库问答181 6.6 实战六步法手记（5）：点线面三级跳186 6.7 本章小结188 第7章 知识演化：促进新知识的不断产生190 7.1 四项共性特征190 7.2 订阅**192 7.3 积累改变规则的规则194 7.4 知识推理194 7.4.1 传统的规则推理196 7.4.2 规则与知识表示结合的推理198 7.4.3 实体预测201 7.4.4 关系路径推理204 7.5 在线学习207 7.6 实战六步法手记（6）：形成持续学习的闭环209 7.7 本章小结211 第8章 组织保障：技术之外的管理手段212 8.1 胜任度评估213 8.1.1 任务类型213 8.1.2 角色类型214 8.1.3 团队类型215 8.1.4 胜任素质测评216 8.2 成熟度评估218 8.2.1 等级递进规则严格的模型218 8.2.2 等级递进规则灵活的模型219 8.2.3 面向实施阶段的模型219 8.3 知识资产评估220 8.3.1 团队组成221 8.3.2 评估对象221 8.3.3 评估方法222 8.3.4 实施建议224 8.4 文化建设225 8.4.1 营造学习型组织225 8.4.2 融入知识联盟227 8.4.3 产业集群层面230 8.5 本章小结231 第9章 营销洞察实践：连接生产者与消费者233 9.1 营销要素234 9.2 营销知识中台235 9.3 美妆舆情洞察示例237 9.4 零售导购赋能示例240 9.5 本章小结243 第10章 金融行业实践：信贷风控244 10.1 零售信贷应用场景244 10.2 大数据风控解决方案246 10.2.1 数据源246 10.2.2 数据中台248 10.2.3 决策引擎249 10.3 信用评分建模250 10.4 关系图谱反欺诈255 10.5 本章小结256 第11章 其他行业实践257 11.1 轨道交通257 11.1.1 需求背景257 11.1.2 解决方案258 11.1.3 应用效果260 11.2 媒体资产262 11.2.1 需求背景262 11.2.2 解决方案263 11.2.3 应用效果265 11.3 数字城市267 11.3.1 需求背景267 11.3.2 解决方案267 11.3.3 应用效果272 11.4 本章小结273 参考文献275