赵建喆，1982年7月出生，吉林白山人，现就职于东北大学软件学院。2001-2008年于北京理工大学管理与经济学院取得信息管理与信息系统和管理科学与工程专业本科、硕士学位，2015年5月于东北大学工商管理学院获得博士学位。2015年10月进入东软集团股份有限公司博士后科研工作站，进一步从事学术科研工作。多年来，对管理科学与计算机科学交叉领域进行深入研究，将计算机学科人工智能领域的基本方法应用于管理与经济学的相关领域，并取得一定成果。目前，主要从事大数据分析和处理的相关技术、云计算工程，人工智能方法等方面的研究工作，参与多个相关科研项目并在国内外期刊发表学术论文十余篇。

　　《大数据背景下不确定性人工智能中的知识表达、知识获取及推理》阐述了贝叶斯网络作为不确定性人工智能重要工具的依据，介绍其起源、发展，总结归纳贝叶斯网络的理论研究框架，揭示贝叶斯网络结构学习是从不同形态的知识源中挖掘问题域中表现为变量依赖关系的知识，进行知识表达来确定网络结构的过程。因此，贝叶斯网络结构学习的过程是一个知识获取的过程，其本质是机器学习方法的研究。并且在贝叶斯网络理论研究的基础上，根据认知科学人工智能领域的新发展要求，介绍为贝叶斯网络开辟新应用方向的理论研究成果。其中包括为了解决传统贝叶斯网络结构学习方法的问题，使计算机具有人的知识获取能力，进而为机器学习方法开发的智能计算模型。介绍为满足认知科学的人工智能领域的发展要求而进行的一系列贝叶斯网络的知识表达、知识获取及推理的新方法。

第1章 绪论
1．1 研究背景
1．1．1 不确定性人工智能与贝叶斯网络
1．1．2 贝叶斯网络起源、发展与研究现状
1．2 问题提出
1．2．1 贝叶斯网络结构学习与知识获取
1．2．2 贝叶斯网络结构学习方法的新要求
1．3 研究内容与框架
1．4 本书的创新点

第2章 相关问题研究现状
2．1 贝叶斯网络结构学习方法研究现状
2．1．1 基于专家知识的贝叶斯网络结构学习方法
2．1．2 基于数据集的贝叶斯网络结构学习方法
2．2 认知科学领域相关研究现状
2．2．1 认知与人工智能
2．2．2 认知与不确定性的表达、推理和决策
2．2．3 认知与机器学习
2．2．4 认知与知识获取
2．3 本章小结

第3章 理论基础
3．1 贝叶斯网络的理论基础
3．1．1 贝叶斯网络原理、定义和特性
3．1．2 贝叶斯网络学习和推理
3．2 强相关逻辑的理论基础
3．2．1 逻辑、推论与知识获取
3．2．2 条件关系与CML、传统相关逻辑
3．2．3 知识获取中的相关推论与强相关逻辑
3．3 双库协同认知机制
3．3．1 双库协同机制的概念
3．3．2 双库协同认知机制理论框架
3．4 本章小结

第4章 基于Mqars算法的贝叶斯网络结构学习方法
4．1 基于Mqars的方法的提出
4．1．1 问题描述
4．1．2 基于Mqars的方法的技术路线
4．2 基于Mqars的方法的理论框架
4．2．1 基于Mqars的方法的理论平台
4．2．2 基于Mqars的方法的认知特性
4．3 先验知识的提取约简方法
4．3．1 先验知识提取约简方法的提出
4．3．2 基于RS的贝叶斯网络节点约简算法
4．3．3 基于KPCA的先验知识提取算法
4．3．4 基于RS&KPCA的先验知识提取约简算法
4．4 基于粗糙集的多值属性关联规则挖掘算法（Mqars）
4．4．1 Mqars算法的提出
4．4．2 Mqars算法的描述
4．4．3 Mqars算法的实现
4．4．4 Mqars算法的实例
4．5 因果关联规则的贝叶斯网络结构表示方法
4．6 本章小结

第5章 基于强相关逻辑的贝叶斯网络及其结构学习方法
5．1 问题描述
5．1．1 概率逻辑模型
5．1．2 SRL-BNs的提出
5．2 SRL-BNs的概述与特点
5．2．1 SRL-BNs的知识演化
5．2．2 SRL-BNs的特点
5．3 SRL-BNs的组件和语义
5．3．1 SRL-BNs的组件
5．3．2 SRL-BNs宣言式的语义
5．4 基于SRL-BNs的贝叶斯网络结构学习方法
5．4．1 基于SRL-BNs的方法的提出
5．4．2 基于SRL-BNs的方法的认知特性
5．4．3 基于SRL-BNs的方法的流程和算法描述
5．5 一个SRL-BNs的实例研究
5．6 本章小结

第6章 基于Mqars的方法在财务预警问题研究中的应用
6．1 问题提出
6．1．1 研究背景
6．1．2 财务危机界定与财务预警模型研究综述
6．1．3 贝叶斯网络方法的提出
6．2 研究设计
6．2．1 样本的界定与选取
6．2．2 财务指标的确定
6．3 构建基于贝叶斯网络的财务预警模型
6．3．1 基于RS的财务指标的约简
6．3．2 财务预警模型的网络结构学习
6．3．3 财务预警模型节点参数确定
6．4 模型应用及实证研究结论
6．4．1 财务预警系统的应用
6．4．2 实证研究结论
6．5 本章小结

第7章 基于SRL-BNs的方法在产业集群衰退预测中的应用
7．1 研究背景与研究现状
7．2 研究设计
7．2．1 研究样本的选取
7．2．2 研究样本的界定
7．3 产业集群衰退知识库构建
7．3．1 逻辑斯蒂方程与需求增长率
7．3．2 资源需求量与企业成本
7．3．3 集群规模与吸引力
7．3．4 经济周期与市场需求量
7．3．5 路径依赖与技术创新力
7．3．6 路径依赖与战略选择
7．3．7 知识溢出效应
7．4 构建基于SRL-BNs的产业集群衰退模型
7．4．1 基于SRL的简单条件句和谓词提取
7．4．2 创建定性贝叶斯子句
7．4．3 创建过程贝叶斯子句
7．4．4 确定定量贝叶斯子句
7．5 预测结果分析及结论
7．6 本章小结

第8章 结论与展望
8．1 本书的主要结论
8．2 未来工作的展望
参考文献
附录