Web智能進展

內(nèi)容概要

　　本書介紹了Web智能基本理論和最新研究進展。重點闡述了近幾年Web智能理論和應(yīng)用方面的研究成果，以問題解決為核心，從面向自治計算和粒計算兩方面闡述Web智能理論基礎(chǔ)，從Web知識表示與推理和Web挖掘方面闡述相關(guān)的技術(shù)，從基于面向自治計算的分布式網(wǎng)絡(luò)免疫策略、基于粒計算的Web知識檢索與推理、基于多層網(wǎng)格的電子商務(wù)門戶網(wǎng)站、面向Web的問答系統(tǒng)以及可操作電子郵件等方面闡述Web智能的應(yīng)用。
　　本書內(nèi)容豐富翔實，研究問題新穎有趣，研究成果既具有實用性又具有理論探討價值，對Web智能的理論和技術(shù)研究都具有重要參考價值。可供計算機、自動化等相關(guān)專業(yè)的高年級本科生、研究生、教師、研究人員、工程技術(shù)人員以及對Web智能研究感興趣的讀者參考使用。

作者簡介

鐘寧，北京市特聘專家（海聚工程特聘教授），北京工業(yè)大學(xué)國際WIC研究院學(xué)術(shù)帶頭人。日本東京大學(xué)博士，日本前橋工業(yè)大學(xué)研究生院及生命信息系教授，國際學(xué)術(shù)組織Web Intelligence Consortium（WIC）主席，國際學(xué)術(shù)期刊Web Intelligence and Agent Systems主編，IEEE計算智能學(xué)會腦信息學(xué)任務(wù)組主席。劉際明，IEEE Fellow，加拿大McGill大學(xué)博士，香港浸會大學(xué)計算機科學(xué)系系主任、講座教授，北京工業(yè)大學(xué)國際WIC研究院兼職教授。國際學(xué)術(shù)組織WIC主席，國際學(xué)術(shù)期刊Web Intelligence and Agent Systems主編，IEEE計算機學(xué)會智能信息學(xué)技術(shù)委員會主席。姚一豫，加拿大Regina大學(xué)博士，Regina大學(xué)計算機科學(xué)系教授，北京工業(yè)大學(xué)國際WIC研究院兼職教授。國際粗糙集學(xué)會顧問委員會主席，國際學(xué)術(shù)期刊Journal of Emerging Technologies in Web in Intelligence副主編。

書籍目錄

第1章 Web智能介紹
　1.1 從不同角度理解Web智能
　　1.1.1 智慧Web角度
　 1.1.2 物聯(lián)網(wǎng)角度
　 1.1.3 功能和技術(shù)角度
　 1.1.4 Web信息系統(tǒng)角度
　 1.1.5 問題解決角度
　 1.1.6 人機交互角度
　 1.1.7 人類智能研究角度
　1.2 本書組織結(jié)構(gòu)
　 1.2.1 面向自治計算與Web智能
　 1.2.2 粒計算與Web智能
　 1.2.3 Web知識表示與推理
　 1.2.4 Web挖掘
　 1.2.5 基于多層網(wǎng)格的電子商務(wù)門戶網(wǎng)站
　 1.2.6 面向Welb的問答系統(tǒng)
　 1.2.7 可操作電子郵件系統(tǒng)
　1.3 小結(jié)
　 參考文獻(xiàn)
第一部分 Web智能理論
　第2章 面向自治計算
　 2.1 面向自治的計算簡介
　 2.1.1 面向自治計算思想的由來
　 2.1.2 面向自治計算的主要機制和強調(diào)重點
　 2.1.3 面向自治計算和其他概念的比較
　 2.1.4 面向自治計算方法在Web智能中的應(yīng)用
　 2.2 面向自治計算的應(yīng)用實例
　 2.2.1 復(fù)雜難問題求解
　 2.2.2 復(fù)雜系統(tǒng)建模
　 2.3 小結(jié)
　 參考文獻(xiàn)
　第3章 粒計算
　 3.1 粒計算概述
　 3.1.1 粒計算基本思想
　 3.1.2 粒計算的普適性
　 3.1.3 粒計算研究內(nèi)容及目標(biāo)
　 3.2 粒結(jié)構(gòu)
　 3.2.1 粒
　 3.2.2 層
　 3.2.3 分層結(jié)構(gòu)
　 3.2.4 粒結(jié)構(gòu)
　 3.3 粒計算三元論模型
　 3.3.1 模型的組成與結(jié)構(gòu)
　 3.3.2 結(jié)構(gòu)化思維——粒計算的哲學(xué)
　 3.3.3 結(jié)構(gòu)化問題求解—粒計算的方法論
　 3.3.4 結(jié)構(gòu)化信息處理——粒計算的計算模式
　 3.4 小結(jié)
　 參考文獻(xiàn)
　第4章 Web知識表示與推理
　 4.1 Web知識表示
　 4.1.1 本體
　 4.1.2 資源描述框架
　 4.1.3 Web本體語言
　 4.1.4 問題解決標(biāo)記語言
　 4.2 Web推理
　 4.2.1 基于OWL的推理
　 4.2.2 Web案例推理技術(shù)
　 4.2.3 Web規(guī)模推理
　 4.2.4 Web推理典型應(yīng)用
　 4.3 小結(jié)
　 參考文獻(xiàn)
　第5章 Web挖掘
　 5.1 數(shù)據(jù)挖掘
　 5.1.1 關(guān)聯(lián)規(guī)則
　 5.1.2 文本挖掘
　 5.1.3 圖挖掘
　 5.1.4 特異性指向挖掘
　 5.2 Web的特點
　 5.3 Web挖掘
　 5.3.1 Web內(nèi)容挖掘
　 5.3.2 Web結(jié)構(gòu)挖掘
　 5.3.3 Web日志挖掘
　 5.3.4 組合挖掘
　 5.3.5 Web挖掘相關(guān)技術(shù)
　 5.4 Web耕作
　 5.5 小結(jié)
　參考文獻(xiàn)
第二部分 Web智能應(yīng)用
　第6章 基于面向自治計算的網(wǎng)絡(luò)免疫
　 6.1 網(wǎng)絡(luò)免疫策略介紹
　 6.2 分布式網(wǎng)絡(luò)免疫問題陳述
　 6.3 基于AOC的分布式免疫策略設(shè)計
　 6.3.1 計算體與環(huán)境定義
　 6.3.2 局部規(guī)則與評估函數(shù)設(shè)計
　 6.3.3 基于AOC的分布式搜索策略主函數(shù)
　 6.4 實驗
　 6.4.1 搜索效率分析
　 6.4.2 免疫效率分析
　 6.5 小結(jié)
　 參考文獻(xiàn)
　第7章 基于粒計算的web檢索與推理
　 7.1 Web檢索支持系統(tǒng)的粒計算框架
　 7.1.1 信息檢索支持系統(tǒng)的粒計算框架
　 7.1.2 基于粒結(jié)構(gòu)的知識檢索
　 7.2 從粒度的視角融合web規(guī)模的搜索與推理
　 7.2.1 起始點策略
　 7.2.2 多層完備度策略
　 7.2.3 多層特定度策略
　 7.2.4 多視角策略
　 7.3 小結(jié)
　 參考文獻(xiàn)
　第8章 基于多層網(wǎng)格的電子商務(wù)門戶網(wǎng)站
　 8.1 研究背景和相關(guān)研究
　 8.2 三層網(wǎng)格體系結(jié)構(gòu)
　 8.3 市場值函數(shù)挖掘
　 8.4 基于用戶行為的目標(biāo)營銷數(shù)據(jù)挖掘的框架
　 8.4.1 特異性挖掘Agent
　 8.4.2 市場值函數(shù)挖掘Agent
　 8.4.3 知識網(wǎng)格應(yīng)用
　 8.4.4 實驗評價
　 8.5 小結(jié)
　 參考文獻(xiàn)
　第9章 面向Web的問答系統(tǒng)
　 9.1 問答系統(tǒng)介紹
　 9.2 面向Web的問答系統(tǒng)
　 9.2.1 開域問答系統(tǒng)
　 9.2.2 受限域知識問答系統(tǒng)
　 9.2.3 開域問答系統(tǒng)和受限域知識問答系統(tǒng)的比較
　 9.3 小結(jié)
　 參考文獻(xiàn)
　第10章 可操作電子郵件系統(tǒng)
　 10.1 萬維電子郵件網(wǎng)
　 10.2 WWEW的訪問協(xié)議
　 10.2.1 可操作電子郵件的語言棧
　 10.2.2 在WWEW中實現(xiàn)智能應(yīng)用
　 10.2.3 與可操作電子郵件相關(guān)的研究問題
　 10.2.4 可操作電子郵件的一種實現(xiàn)方案
　 10.3 可操作電子郵件應(yīng)用初探
　 10.3.1 異步P2P應(yīng)用
　 10.3.2 郵客
　 10.3.3 可操作電子郵件應(yīng)用的一個說明性演示程序
　 10.4 個人輔助應(yīng)用
　 10.4.1 總體框架
　 10.4.2 基于本體的電子郵件歸檔
　 10.4.3 基于時間窗口技術(shù)的用戶行為學(xué)習(xí)
　 10.4.4 基于多智能體的郵件過濾及實驗結(jié)果
　 10.5 小結(jié)
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：1.1.5 問題解決角度Web上的信息變得越來越豐富，但是在Web上得到有價值的服務(wù)卻依然很困難。Web搜索引擎的出現(xiàn)雖然在一定程度上緩和了這一矛盾，但并沒有完全滿足人們的需求。問題解決一直是人工智能研究的重要問題之一。人工智能中的搜索、規(guī)劃、推理等研究的目的就是為了完成對問題的求解。艾倫·紐厄爾與赫伯特·西蒙在1961年提出的通用問題解決器（General Problem Solver，GPS）試圖提供一個對一般問題普遍適用的解決方案。但這種被稱為“弱方法”的搜索機制不能擴展到大規(guī)?；螂y問題的場合，因而GPS基本不具有解決現(xiàn)實世界問題的能力。從20世紀(jì)60年代末開始，由于艾德·費根鮑姆等人提出的知識工程領(lǐng)域的研究與專家系統(tǒng)的實現(xiàn)，人們在一些領(lǐng)域中利用專家系統(tǒng)完成了只有專家才能完成的任務(wù)。但在后來的研究中，人們又逐漸認(rèn)識到專家系統(tǒng)的局限性，它只在有限領(lǐng)域內(nèi)得到了應(yīng)用。隨著Internet的迅猛發(fā)展，人們今天面臨的數(shù)據(jù)與知識呈現(xiàn)出多樣性、分散性、海量性等特征，傳統(tǒng)的人工智能研究則主要局限于在特定的領(lǐng)域，基于單一的知識庫及單一的推理引擎進行研究。研究者在這種小規(guī)模的、封閉的、可信的、一致的和靜態(tài)的領(lǐng)域內(nèi)已經(jīng)開發(fā)出一些推理方法，這些方法通常提供了公理（Axioms）和事實（Facts）集合。這些使用有限的一階邏輯子集的典型方法主要包括基于描述邏輯的推理方法和邏輯程序推理引擎這兩方面。

編輯推薦

《Web智能進展》：國家科學(xué)技術(shù)學(xué)術(shù)著作出版基金資助。

圖書封面

評論、評分、閱讀與下載

---

    Web智能進展 PDF格式下載

---