......................................................................................... 3 1.2.2 概念性知识 ............................................................................................... 是指学习时涉及的相关内容，包括了从具体到抽象四个类别： l 事实性知识（Factual knowledge） l 概念性知识（Conceptual knowledge） l 程序性知识（Procedural knowledge） l 元认知知识（Metacognitive knowledge） 其中，事实性知识、概念性知识、程序性知识均可映射到智能客服领域的知识应用与分 类中 ，而元认知知识由于与智能客服知识应用无关，不在本白皮书讨论的范围内。 ，而元认知知识由于与智能客服知识应用无关，不在本白皮书讨论的范围内。 认知过程 涉及学习时要掌握的学业⾏为表现，包括了六个类别： l 记忆（Remember） 是指能记得/回忆/复述起基本的概念和事实 l 理解（Understand） 是指理解并能够用自己的话解释概念 版本：1.0

........................................................................................48 8.5.2. 概念模型................................................................................................. ..........................................................................................50 8.6. 概念模型设计............................................................................................... 系统建设现状及信息化规划发展需要，根据大数据平台实施的实践 需要，制定出台一系列涵盖数据标准、管理制度、接口规范在内的 配套支撑标准规范文件。 5 分析设计 承建方按照建设方业务需求和以往的经验，完成数据仓库概念模 型、逻辑模型、物理模型分析设计以及数据仓库的物理数据库创 建、初始化和管理维护等工作。 6 采集治理 承建方将根据数据标准规范以及数据仓库设计，完成从各业务职能 部门业务应用系统数据资源采集转换加载数据的

越来越显著。 智慧油气的概念最早可追朔到 1991 年，在 《Oil&GasJournal》 杂志上就出现了智慧油气 (SmartField) 词汇 和论述。 2005 年， IBM 与挪威国家石油公司展开智慧油气项目合作。 “ 根据 智慧油气 (SmartField)” 的发展历程，我们可以得出这 样 “ ” “ 的结论：实际上 智慧油气 的概念的提出与发展更早于 智慧地球 的概念是 IBM “ ” 在 数据地球 的基础 “ ” 上，并在总结 智慧油气 的理论与实践的基础上，提出的一 整套全球 “ ” 化的概念，然后在又从 智慧地球 → “ ” “ 智慧城市 → 智 ” 慧油气 反过来 “ ” 推动了 智慧油气 蓬勃发展。 也可以说这是 IBM 全球营销的一种商业运作手段，也就是说： 企 “ ” 业发展的最高境界是 提概念、定标准 。 。 “ ” 由于国际上 智慧油气 概念的提出(1991)更早于 “ 中国 数据 油 ” 气 概念的提出(1999),而中国直到 2010 年才提出智慧油气的概 念，所以笔者把中国智慧油气的发展和国际智慧油气的发展分开叙述， 以避免混乱。 国际石油石化行业信息化进程— 进入智能化阶段 智能化 对内部已经比较成 熟的应用进行标准 化封装，进而对外 推广服务，实现 IT 价值延伸；顶层管

作物生产决策系统 .....................................................................40 3.1.1 作物生产决策支持系统的概念与功能 .......................... 40 3.1.2 作物决策支持系统的发展 ........................................... 控、畜禽疾病、农产品市场销售信息等最为广泛的农业生产知识进行建 模，建立基于本体的知识描述，涵盖了农产品分类、农业化学用品、种 植 技术、生长阶段、生物部位、病虫害防控等农业生产中的核心知识 点， 并对相关概念进行了细化，对语义进行了梳理。同时，为了更好地描述 密切影响农业生产的外部条件和客观环境，在农业领域本体中还引入了行 政地理、自然地理、农产品市场基本资料等与农业生产、销售密切相关的 其他应用领域的知识体系和本体描述。陌生的词组在实例维中被拆分成基 本语义单元进行比较，匹配后在类维中根据相应类之间的相互关系找到更 高层的类，通过查找该高层类已有的实例判 断陌生词组与现有词组之间的相似程度，从而完成概念的聚合和匹 配。 在农业本体建模方面，联合国粮农组织构造了渔业本体、食品安 全领域本体和食物、营养与农业本体等原始本体。Lauser 等构建了生物 安全本体模型，提出首先构建核心本体，然后基于启发式方法对核心

根据城市安全风险综合监测预警平台的业务需求，针对城市安全相关的各种类型 的多源、异构数据资源，通过对数据来源、数据类型、数据组织、数据流程、目标数 据的分析，采用大数据集成工具，全过程贯穿数据治理与数据管控，对数据概念模型 进行了逻辑设计和优化设计，将数据资源分为元数据库、基础数据库、维度数据库等 专题数据库，以及数据准备层、数据接入层、摄取缓冲层、数据操作层、数据仓库层 以及分发缓冲层、数据服务层等集成层 在设计数据仓库时，需要根据业务需求进⾏分析、抽象、并从中找出内在联系， 按主题进行设计，进⽽确定数据仓库的结构。目标表的格式一般采用维度建模的方法 设计而成。此路线包含业务模型、概念模型、逻辑模型以及物理模型等建模阶段，以 及后续数据模型开发。 在建模的每一个阶段，特别是业务模型和概念模型设计阶段，需要招集关键用户、 管理人员和系统分析设计人员，一起评审模型设计的全面性、正确性、合理性，并提 出整改意见，由设计人员进一步修改完善。 城市安全风险综合监测预警平台数据融合实施治理方案 是不可划分的最小单位。主题域、主题、实体的关系如下图所示： 2.2.4.1.2. 概念模型设计 概念模型（CDM，Conceptual Data Model）设计过程主要选择合适的业务主题域 分类管理业务模型生成的主题，并在主题域中存放和组织管理、支撑应用的实体化数 据模型。概念模型一般采用 E-R 图等工具，按主题域分类定义需要追踪和管理的各种 重要数据实体及其属性，以及实体之间的各种关系，进行初步的实体化。

在一定程度上降 低数据共享交换平台的实施要求。 1.8.4.2 交换概念模型 交换概念模型由中心交换结点和端交换结点组成。端交换结点接收和发送 政务部门的交换信息。中心交换结点管理交换网络内端交换结点的数据交换服 务，并根据需求形成共享信息库。 交换的概念模型如下图所示： 图表 3 数据交换概念模型 交换概念模型说明如下： （一）业务信息是由各政务部门产生和管理的政务信息资源；

...........................................................................................99 8.1 概念设计辅助....................................................................................101 8.1.1 方案生成 领域，显著提升设计效率、优化设计质量，并推动建筑行业的智能 化转型。具体而言，项目旨在实现以下预期成果： 首先，构建一个基于 deepseek 大模型的建筑设计智能平台， 实现对建筑设计全流程的智能化支持，包括概念设计、方案优化、 施工图生成等环节。通过模型训练和优化，平台将能够快速生成符 合设计需求的高质量方案，显著缩短设计周期，降低人工成本。 其次，目标是通过深度学习技术提升建筑设计的创新性和可行 际应用中的成 功。 2.1 建筑设计流程中的痛点分析 在建筑设计流程中，存在多个痛点，这些痛点不仅影响了设计 效率，还可能导致设计质量下降。首先，传统的建筑设计流程通常 依赖于人工操作，从概念设计到施工图绘制，每一步都需要设计师 投入大量时间和精力。这种模式在面对复杂项目时，往往会导致设 计周期延长，甚至出现设计失误。其次，设计过程中信息的传递和 协同效率低下。不同专业团队之间的沟通不畅，导致设计冲突频

目经验，认为数据仓库建设应该遵循“统一规划，分步开展”的原则，对经营分析系统 的元数据管理应该先构造一个最小最实用集合的元数据。我们建议先在以下过程中进 行元数据管理：  业务数据源分析  目标数据仓库设计（概念模型、逻辑模型、物理模型设计）  数据获取调度及监控设计  数据仓库、数据集市存储  展示设计  记录数据仓库的使用情况 2.2.3 功能组织架构 经营分析系统的功能模块如下图所示： 是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、 交互地存取,从而获得对数据的更深入了解的一类软件技术。OLAP 的目标是满足决策 支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。 “维”是人们观察客观世界的角度,是一种高层次的类型划分。“维”一般包含着层次 关系,这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维 (dimension)，使用户能对不同维上的数据进行比较。因此 据仓库应用中，OLAP 应 用一般是数据仓库应用的前端工具，同时 OLAP 工具还可以同数据挖掘工具、统计分 析工具配合使用，增强决策分析功能。 2.3.3 数据挖掘 2.3.3.1数据挖掘概念 数据挖掘（Data Mining），也叫数据开采，数据采掘等，就是从大量的、不完 全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不 知道的、但又是潜在有用的信息和知识的过程。

HBase 会保留一 定数量的版本，这个值是可以设定的。客户端可以获取距离某个时间最近的版本，或者一 次获取所有版本。 2、 概念视图 一个表可以想象成一个大的映射关系，通过主键，或者主键+时间戳，可以定位 一行数据，由于是稀疏数据，所以某些列可以是空白的，下面就是数据的概念 视图： 云技术方案建议书 第 54 页 系统设计实施与关键技术方法 Row Key Tim e Sta look.c a" "CNN.co m" t6 "... " t5 "... " "text/ html" t3 "... " 3、物理视图 从概念视图看每个表格是有很多行组成，但是在物理存储上，它是按照列来保 云技术方案建议书 第 55 页 系统设计实施与关键技术方法 存的。 Row Key Time Stamp Column t8 "anchor:my.look.ca" "CNN.com" Row Key Time Stamp Column "mine" "com.cnn.www" t6 "text/html" 在概念视图上面有些列是空白的，这样的列实际上并不会被存储，当请求 这些空白的单元格的时候，会返回 null 值。如果在查询的时候不提供时间戳， 云技术方案建议书 第 56 页 系统设计实施与关键技术方法

下中小学人工智能应用的政策制定和实践推广提供科学依据和可行 建议。 1.4 文章结构概述 本文旨在探讨教育信息化 2.0 背景下中小学人工智能应用的政 策研究。文章首先通过对教育信息化 2.0 的概念进行界定，分析其 与人工智能技术融合的必要性和可行性。接着，文章将梳理国内外 中小学人工智能应用的政策现状，重点分析政策制定的背景、目 标、实施路径及成效评估。在此基础上，文章将深入探讨我国中小 学改革是 核心内容之一。为了适应人工智能时代的需求，课程设置必须进行 相应的调整和优化。首先，人工智能相关课程应纳入中小学的必修 课程体系中，确保学生从基础教育阶段就能接触到人工智能的基本 概念和应用。课程内容应涵盖人工智能的基础知识、编程技能、数 据分析、机器学习等内容，并结合实际案例进行教学，以增强学生 的实践能力。 在课程设置的具体实施中，可以采取分阶段、分层次的方式。 小学 果。因此，政策中明确提出了针对教师的系统性培训计划，旨在提 升教师在人工智能领域的知识储备和教学能力。 首先，政策要求各级教育部门制定详细的教师培训计划，覆盖 从基础理论到实践操作的全方位内容。培训内容不仅包括人工智能 的基本概念、技术原理，还涵盖了如何将人工智能技术融入课堂教 学的具体方法和策略。例如，教师需要学习如何利用智能教学系统 进行个性化教学，如何通过数据分析优化教学效果，以及如何引导 学生进行人工智能相关的创新实践。