第1章 认知计算的基础

1.1 新一代的认知计算

1.2 认知系统的使用

1.3 系统认知的组成

1.4 从数据中获取信息

1.5 作为认知计算基础的人工智能

1.6 理解认知

1.7 关于判断和选择的两个系统

1.7.1 系统1——自动思考：直觉和偏向

1.7.2 系统2——被控制的，以规则为中心且专注的努力

1.8 理解系统间的复杂关系

1.9 认知系统的元素

1.9.1 基础设施和部署模式

1.9.2 数据访问、元数据和管理服务

1.9.3 语料库、分类系统和数据分类

1.9.4 数据分析服务

1.9.5 持续机器学习

1.9.6 学习的过程

1.9.7 呈现与可视化服务

1.9.8 认知应用

1.10 总结

第2章 认知系统的设计原则

2.1 认知系统的组成

2.2 建立语料库

2.3 输入数据到认知系统

2.3.1 利用内部与外部数据源

2.3.2 数据访问和特征提取服务

2.3.3 分析服务

2.4 机器学习

2.4.1 在数据中发现模式

2.4.2 监督学习

2.4.3 强化学习

2.4.4 无监督学习

2.5 假设的生成与评定

2.5.1 假设生成

2.5.2 假设评定

2.6 呈现和可视化服务

2.7 总结

第3章 自然语言处理支持下的认知系统

3.1 自然语言处理在认知系统中的角色

3.1.1 上下文的重要性

3.1.2 根据含义关联词语

3.1.3 理解语言学

3.1.4 语言识别和标记

3.1.5 音韵学

3.1.6 词态学

3.1.7 词法分析

3.1.8 语法和句法分析

3.1.9 构式语法

3.1.10 话语分析

3.1.11 语用学

3.1.12 解决结构歧义的技巧

3.1.13 隐马尔可夫模型的重要性

3.1.14 语义消歧

3.2 语义网

3.3 将自然语言技术应用到商业问题

3.3.1 改善购物体验

3.3.2 利用物联网连接的世界

3.3.3 顾客的声音

3.3.4 欺诈检测

3.4 总结

第4章 大数据和认知计算的关系

4.1 处理人造数据

4.2 定义大数据

4.3 大数据结构基础

4.3.1 大数据的物理基础

4.3.2 安全体系结构

4.3.3 操作性数据库

4.3.4 数据服务和工具

4.4 分析数据仓库

4.5 Hadoop

4.6 动态数据和流数据

4.7 大数据与传统数据结合

4.8 总结

第5章 在分类学和本体论中表示知识

5.1 表示知识

5.2 定义分类学和本体论

5.3 解释如何表示知识

5.4 知识表示模型

5.4.1 分类学

5.4.2 本体论

5.4.3 其他知识表示方法

5.4.4 持久性和状态的重要性

5.5 实施注意事项

5.6 总结

第6章 应用于认知计算的高级分析方法

6.1 高级分析正在向认知计算发展

6.2 高级分析的关键性能

6.2.1 统计学、数据挖掘和机器学习之间的关系

6.2.2 在分析过程中使用机器学习

6.2.3 预测分析

6.2.4 文本分析

6.2.5 图像分析

6.2.6 语音分析

6.3 使用高级分析创造价值

6.4 开源工具对高级分析的影响

6.5 总结

第7章 认知计算中云和分布式计算的作用

7.1 利用分布式计算分享资源

7.2 为什么云服务是认知计算系统的根本

7.3 云计算的特征

7.4 云计算模型

7.4.1 公共云

7.4.2 私有云

7.4.3 受管理的服务提供商

7.4.4 混合云模型

7.5 云的分发模型

7.5.1 基础设施即服务

7.5.2 软件即服务

7.5.3 平台即服务

7.6 管理作业负载

7.7 安全和治理

7.8 云端数据整合和管理

7.9 总结

第8章 认知计算的商业意义

8.1 为改变做准备

8.2 新颠覆型模式的特点

8.3 知识对于商业意味着什么

8.4 认知系统方法的特点

8.5 通过不同的方式将数据网格化

8.6 用商业知识规划未来

8.7 解决商业问题的新方法

8.8 创建商业特定解决方案

8.9 让认知计算成为现实

8.10 认知应用如何改变市场

8.11 总结

第9章 IBM沃森（Watson）——一个认知系统

9.1 沃森系统的定义

9.2 “极限挑战”促进研究

9.3 沃森为《危险边缘》做准备

9.4 沃森为商业应用做准备

9.5 DeepQA结构组成部分

9.5.1 构建沃森语料库：答案和证据来源

9.5.2 问题分析

9.5.3 假设生成

9.5.4 评分和置信度评估

9.6 总结

第10章 建立认知应用的过程

10.1 新兴的认知平台

10.2 明确对象

10.3 明确领域

10.4 了解适用对象并明确它们的属性

10.5 明确问题并探索见解

10.5.1 典型问答对

10.5.2 预知系统

10.5.3 获得相关数据源

10.6 建立和更新语料库

10.6.1 准备数据

10.6.2 导入数据

10.6.3 修改和扩展语料库

10.6.4 管理数据

10.7 训练和测试

10.8 总结

第11章 建立认知医疗系统

11.1 医疗认知计算基础

11.2 医疗生态系统的组成

11.3 从医疗数据模式中学习

11.4 建立大数据分析的基础

11.5 医疗系统的认知应用

11.5.1 新兴的认知医疗应用的两种不同方法

11.5.2 认知应用中医疗分类学和本体论的作用

11.6 开始建立认知医疗系统

11.6.1 明确用户可能会问的问题

11.6.2 导入内容来建立语料库

11.6.3 训练认知系统

11.6.4 丰富问题并加入语料库

11.7 使用认知应用来改善健康状况

11.7.1 Welltok

11.7.2 GenieMD

11.7.3 用户健康数据平台

11.8 利用认知应用改善电子病历

11.9 利用认知应用改善临床教学

11.10 总结

第12章 智慧城市：政府管理中的认知计算

12.1 城市如何运行

12.2 智慧城市的特点

12.2.1 为规划收集数据

12.2.2 运作管理

12.2.3 安全和威胁管理

12.2.4 市民产生的文件和数据的管理

12.2.5 跨政府部门的数据一体化

12.3 数据公开运动的兴起将会为认知城市提供动力

12.4 万物联网和更智慧的城市

12.5 理解数据的所有权和价值

12.6 如今城市在主要功能中使用更智能的科技

12.6.1 用认知方法管理执法问题

12.6.2 智能能源管理：从形象化到分布式

12.6.3 利用机器学习保护电网

12.6.4 通过认知社区服务提升公众健康水平

12.7 预防性保健更智能化的方法

12.8 建立更智能的交通基础设施

12.8.1 发展中城市的交通管理

12.8.2 适应性交通信号灯控制计划

12.9 利用分析来弥补员工技能的不足

12.9.1 明确新兴技能要求和及时培训

12.9.2 数字化入口（DOR）计划

12.9.3 认知计算的机遇

12.10 创建认知型社区基础设施

12.10.1 新型智能连接型社区举措

12.10.2 认知计算的机遇

12.11 认知型城市的下一发展阶段

12.12 总结

第13章 新兴认知计算领域

13.1 认知计算理想市场的特点

13.2 纵向市场和产业

13.2.1 零售业

13.2.2 旅游业

13.2.3 运输与物流

13.2.4 通信业

13.2.5 安全与威胁探测

13.2.6 认知方法影响的其他领域

13.3 总结

第14章 认知计算的未来应用

14.1 下一代的要求

14.1.1 利用认知计算提高可预测性

14.1.2 知识管理的新生命周期

14.1.3 创建直观的人机接口

14.1.4 关于增加最佳实践封装的要求

14.2 能够改变认知计算未来的技术进步

14.3 未来将如何

14.3.1 未来五年

14.3.2 放眼长期

14.4 新兴的创新

14.4.1 深度问答与假设生成

14.4.2 自然语言处理

14.4.3 认知训练工具

14.4.4 数据整合与表示

14.4.5 新兴的硬件结构

14.4.6 自然认知模型的可替代模型

14.5 总结

缩略语