目    录

第1章  绪论 1

1.1  人工智能的起源和定义 2

1.1.1  人工智能的起源 2

1.1.2  人工智能的定义 3

1.2  人工智能的流派 4

1.2.1  符号主义学派 5

1.2.2  连接主义学派 5

1.2.3  行为主义学派 6

1.3  人工智能的进展和发展趋势 6

1.3.1  人工智能的发展趋势 6

1.3.2  人工智能的研究和应用 7

1.4  本章小结 14

第2章  知识表示 15

2.1  知识与知识表示的概念 16

2.1.1  知识 16

2.1.2  知识表示 16

2.2  产生式表示法 18

2.2.1  产生式规则 18

2.2.2  产生式系统 18

2.2.3  产生式系统的工作过程 20

2.2.4  产生式系统的控制策略 21

2.2.5  对产生式系统的评价 21

2.3  框架表示法 23

2.3.1  框架的构成 23

2.3.2  框架的推理 25

2.3.3  框架系统中问题的求解 26

2.3.4  框架表示的特点与不足 27

2.4  状态空间表示法 27

2.4.1  问题状态描述 27

2.4.2  状态图示法 29

2.5  本章小结 30

第3章  知识图谱 31

3.1  知识图谱 32

3.1.1  知识图谱的表示及其

在搜索中的展现形式 32

3.1.2  知识图谱的价值 32

3.1.3  知识图谱的技术流程 35

3.1.4  知识图谱的相关技术 37

3.2  本体知识表示 45

3.2.1  知识表示的概述 45

3.2.2  知识表示方法 46

3.3  万维网知识表示 49

3.3.1  RDF和RDFS 49

3.3.2  OWL和OWL2 Fragments 53

3.3.3  知识图谱查询语言的表示 58

3.4  知识图谱的现状及发展 60

3.4.1  知识图谱的发展历史 60

3.4.2  国内外典型的知识图谱项目 62

3.5  知识图谱的应用示例 67

3.5.1  语义检索 67

3.5.2  关系路径查找 69

3.5.3  知识图谱应用案例：

美团大脑 69

3.6  本章小结 71

第4章  搜索技术 73

4.1  图搜索策略 74

4.2  盲目搜索 76

4.2.1  宽度优先搜索 76

4.2.2  深度优先搜索 77

4.2.3  迭代加深搜索 79

4.3  启发式搜索 80

4.3.1  启发性信息和评估函数 80

4.3.2  有序搜索 81

4.3.3  A*算法 84

4.3.4  AO*算法 87

4.4  博弈搜索 91

4.4.1  极大极小过程 93

4.4.2  -过程 94

4.5  本章小结 97

第5章  群智能算法 99

5.1  群智能算法产生的背景 100

5.1.1  群智能算法研究背景 100

5.1.2  群智能概念 100

5.2  遗传算法 101

5.2.1  遗传算法的基本概念 101

5.2.2  遗传算法的不同之处 101

5.2.3  遗传算法的主要步骤 102

5.3  粒子群优化算法及其应用 103

5.3.1  粒子群优化与进化计算的

比较 104

5.3.2  个体最佳算法 104

5.3.3  全局最佳算法 105

5.3.4  局部最佳算法 106

5.4  蚁群算法 106

5.4.1  蚁群算法基本原理 106

5.4.2  蚁群系统模型 107

5.5  本章小结 109

第6章  机器学习 111

6.1  机器学习的发展 112

6.1.1  机器学习概述 112

6.1.2  编程与机器学习 112

6.2  监督学习 113

6.2.1  监督学习流程 113

6.2.2  监督学习算法 114

6.3  无监督学习 115

6.3.1  无监督学习流程 116

6.3.2  无监督学习算法 116

6.4  弱监督学习 116

6.5  本章小结 118

第7章  人工神经网络与深度学习 121

7.1  神经网络的发展历史 122

7.2  神经元与神经网络 123

7.2.1  生物神经元的结构与

功能特性 123

7.2.2  人工神经网络的组成与

结构 124

7.3  BP神经网络及其学习算法 127

7.3.1  概述 127

7.3.2  反向传播算法 128

7.3.3  异或问题的解决 130

7.3.4  避免病态结果 132

7.4  卷积神经网络 133

7.4.1  基本概念 133

7.4.2  基本网络结构 133

7.4.3  卷积神经网络中各层

工作原理 134

7.4.4  卷积神经网络的逆向过程 136

7.4.5  常见卷积神经网络结构 137

7.5  生成对抗网络 140

7.5.1  背景概要 140

7.5.2  核心思想 141

7.5.3  朴素生成对抗网络 142

7.5.4  深度卷积生成对抗网络 144

7.5.5  生成对抗网络的探索 146

7.6  深度学习应用简介 148

7.7  本章小结 149

第8章  专家系统 151

8.1  专家系统概述 152

8.1.1  专家系统的由来 152

8.1.2  专家系统的定义 154

8.1.3  专家系统的分类 156

8.2  推理方法 157

8.2.1  推理的方法及其分类 157

8.2.2  推理的控制策略 160

8.2.3  推理的冲突消解策略 163

8.3  一个简单的专家系统 165

8.4  不确定性推理 173

8.4.1  不确定性推理的概念 173

8.4.2  不确定性推理方法的分类 173

8.4.3  不确定性推理中的

基本问题 174

8.5  专家系统工具 176

8.5.1  语言型开发工具 176

8.5.2  骨架型开发工具 177

8.5.3  通用型开发工具 178

8.5.4  开发环境与辅助型开发

工具 180

8.6  专家系统的应用 182

8.6.1  专家系统在数据解释方面的

应用 182

8.6.2  专家系统在诊断方面的

应用 183

8.6.3  专家系统在监测方面的

应用 183

8.6.4  专家系统在控制方面的

应用 183

8.6.5  专家系统在规划方面的

应用 184

8.6.6  专家系统在银行业务决策中的

应用 184

8.7  本章小结 185

第9章  计算机视觉 187

9.1  图像的产生 188

9.1.1  二维图像的获取 188

9.1.2  立体成像 188

9.2  图像的处理 189

9.2.1  图像的边缘检测 189

9.2.2  分割 190

9.3  图像的描述 191

9.3.1  边缘距离的计算 191

9.3.2  表面方向的计算 193

9.4  视觉的知识表示 197

9.4.1  视觉信息的语义网络表示 197

9.4.2  位置网络 198

9.5  物体形状的分析与识别 199

9.5.1  复杂形状物体的表示 199

9.5.2  物体形状识别方法 202

9.6  本章小结 204

第10章  自然语言处理 205

10.1  自然语言处理概述 206

10.1.1  自然语言处理的概念与

定义 206

10.1.2  自然语言处理的研究领域和

意义 207

10.1.3  自然语言理解过程的层次 209

10.2  机器翻译 210

10.3  自然语言理解系统应用举例 213

10.3.1  自然语言自动理解系统 213

10.3.2  自然语言问答系统 215

10.4  智能问答 216

10.4.1  智能问答概述 216

10.4.2  智能问答的基本组成 218

10.4.3  文本问答系统 219

10.5  本章小结 223

第11章  语音处理 225

11.1  组成单词读音的基本单元 226

11.2  信号处理 226

11.3  语音识别的隐马尔可夫模型 228

11.4  本章小结 234

第12章  人工智能应用案例 235

12.1  DeepSeek提示词 236

12.1.1  DeepSeek提示词概述 236

12.1.2  DeepSeek 提示词功能

特点 237

12.1.3  DeepSeek 提示词的使用

方法 237

12.1.4  DeepSeek 提示词的应用

场景 238

12.2  在线教育平台实时答疑 238

12.2.1  方案介绍 239

12.2.2  脚本示例 239

12.2.3  运行结果及分析 239

12.3  跨境电商智能助手 240

12.3.1  方案介绍 241

12.3.2  脚本示例 241

12.3.3  运行结果及分析 241

12.4  医疗健康智能预诊 242

12.4.1  方案介绍 243

12.4.2  脚本示例 243

12.4.3  运行结果及分析 243

12.5  火电企业设备监测 244

12.5.1  方案介绍 244

12.5.2  脚本示例 245

12.5.3  运行结果及分析 245

12.6  利用DeepSeek 生成商业文案 245

12.6.1  自然表达准则的深度实现

方案 246

12.6.2  信息重构准则的工程化

实现 247

12.6.3  场景适配准则的技术

架构 247

12.6.4  情感调节策略的量化

实施 248

12.7  情绪分析器 249

12.7.1  背景介绍 249

12.7.2  设计过程 250

12.7.3  获取文本数据 250

12.7.4  数据预处理 251

12.7.5  标注类标签 253

12.7.6  分词 253

12.7.7  特征提取 254

12.7.8  特征降维与 TF-IDF 254

12.7.9  搭建模型 255

12.7.10  设计总结 257

参考文献 258