- 1、本文档共16页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
[智能数据分析助力应用智能化
SaaS+AI 敬惜——助力您的应用智能化 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 根据情况变化来合理运用知识以有效地解决问题 核心问题:知识挖掘 关键能力:自学习、自适应 什么是智能化 互联网、信息爆炸使得我们所面临的环境出现了重大的变化:一是海量用户所导致的需求散乱;二是用户的需求/兴奋点多变且变化迅速。这种情况下就导致传统IT的先总结经验、积累知识然后再编写业务应用的模式跟不上用户需求的快速多变。 因此从海量的历史数据中直接挖掘知识而加以应用来有效满足用户快速多变的需求就是必然的了。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 发挥计算机计算能力强的优势,直接从海量的历史数据中挖掘知识,能力形成速度快、反应迅速 人脑思考问题的信息量有限,AI(人工智能)则能同时处理海量的信息,在快速、大并发量、精确等方面比人强 面对海量用户,能以最低的成本实现个性化的需求满足 智能化的优缺点 优点 计算机再先进也只是一种机器,不够灵活永远都是最大的不足 人的需求千差万别,AI只适合处理某些需求,也做不到一劳永逸 大部分情况下,AI都需要巨大的计算资源(CPU/内存)和较长的时间加以复杂的计算才能完成知识的挖掘 缺点 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 智能化的再认识 人类知识的形成过程(意识、实践、经验总结、知识化)是缓慢而成本高昂的,而且人类知识如果不够精确则应用起来也有很大的困难;如果信息量巨大,受限于人脑的处理能力也就无法形成相应的知识。而AI就是用计算的复杂化来换取某些情况下知识凝聚的快速化、精确化,代价当然是计算资源的巨大消耗。 AI是设计好的机器按既定规则从海量的历史数据中挖掘出某些知识,所以其应用就只能是数据积累丰富且人为因素或外部不可知/不可控因素影响较小的环境,也就是说应用场景对效果好坏的影响比较大,尤其是在讲关系、讲变通、讲悟性的中国其应用领域的限制较大。 知识就是力量! Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 分类 知识的基础就是对事物的识别,大千世界、万物生灭,如果只针对单个事物那人如何一一识别?所以识别的前提就是归类,将相同、相似、相近的事物按其特征进行归纳后形成一个个的群体,这样人就不需要去记忆一个一个具体的事物而是只要记住特征就可以识别一群事物了。 从一大堆历史数据中提取事物分类的特征并把事物特征和已知类别联系起来就是提取决策规则。利用决策规则就可以将一个新事物分类到某个已知类别中。 知道了事物属于哪个已知类,那么就可以利用事物的相似性、相近性对刚分好类的事物套用该类的其它特征加以利用。如判断下来某用户偏好吃辣那么网站就可以向用户推荐其所在位置附近的湘菜馆。 敬惜选取的分类技术是基于粗糙模糊集的算法,不需要人为的主观判断,可以从海量历史数据中直接挖掘出基于用户偏好的决策规则 Eval
文档评论(0)