正版
开源情报分析数据挖掘技术基础——运用大模型和智能体
- 书名
- 开源情报分析数据挖掘技术基础——运用大模型和智能体
- 作者
- 邓劲生 等 编著 编
- 出版社
- 中国宇航出版社
- 出版时间
- 2026-10-01
- ISBN
- 9787515928807
- 货号
- 1204658897
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- 开源情报分析数据挖掘技术基础——运用大模型和智能体
- 作者
- 邓劲生 等 编著 编
- 出版社
- 中国宇航出版社
- 出版时间
- 2026-10-01
- ISBN
- 9787515928807
- 货号
- 1204658897
- 品相
- 全新
- 分类
- 当代·工业
目录▼
第1章 导论:智能时代的情报范式变革
1.1 从传统开源情报到智能开源情报:一场颠覆性的范式切换
1.1.1 传统开源情报的三大困境
1.1.2 智能开源情报:从方法论到技术栈的全面重构
1.2 构建智能开源情报的技术基座概览
1.2.1 大模型:情报的“语义理解中枢”
1.2.2 知识图谱与图数据库:情报的“关联记忆网络”
1.2.3 智能体:情报的“自主执行驱动”
1.2.4 深度学习与预测建模:情报的“模式识别与预测引擎”
1.3 智能开源情报系统的典型工作流
1.3.1 需求解析与任务规划
1.3.2 智能采集与数据预处理
1.3.3 知识构建与融合
1.3.4 智能分析与推理
1.3.5 真伪对抗与验证
1.3.6 决策支持与情报输出
1.4 开源情报分析的伦理原则与法律边界
1.4.1 伦理原则:坚守情报活动的道德底线
1.4.2 法律边界:遵守所在国家和地区法律法规
本章小结
第2章 数据智能采集:大模型驱动的信息获取
2.1 原理与逻辑:大模型驱动采集的核心优势
2.1.1 非结构化文本的语义理解突破
2.1.2 精准查询指令生成的效率跃迁
2.1.3 大模型与传统采集工具的根本差异
2.2 提示词工程:大模型与采集工具的协同桥梁
2.2.1 提示词工程的设计原则
2.2.2 采集场景的提示词工程实践路径
2.2.3 提示词工程的优化技巧与避坑指南
2.3 大模型与采集工具的集成架构:从原型到落地
2.3.1 核心集成模式:智能体驱动的协同采集架构
2.3.2 关键组件:实现协同采集的核心支撑
2.3.3 集成实现路径:从原型到生产的四步落地法
2.4 对抗性采集:突破反爬壁垒的关键技术
2.4.1 常见反爬机制与对抗思路
2.4.2 对抗性采集的身份隔离与法规遵循
2.4.3 下一步发展趋势
本章小结
第3章 数据清洗与预处理:构建高质量情报数据湖
3.1 原理与逻辑:数据清洗的核心框架与AI变革
3.1.1 数据质量的五大核心维度:清洗的标准
3.1.2 数据清洗的五大任务:从问题到解决方案
3.1.3 AI驱动数据清洗的核心优势:颠覆传统的三大变革
3.2 大模型:数据清洗的语义核心引擎
3.2.1 大模型清洗的技术基础:从预训练到提示词工程
3.2.2 大模型清洗的具体流程:四大关键任务与实现方法
3.2.3 大模型清洗的工程化优化:从实验室到生产环境
3.2.4 大模型清洗流水线的工程化落地:从技术到生产
3.3 智能体:数据清洗的自动化任务调度中枢
3.3.1 智能体的核心能力:从被动执行到主动规划
3.3.2 智能体的技术架构:“决策—调度—工具”的协同体系
3.3.3 协同流程:从数据接入到报告生成的全链路
本章小结
第4章 智能存储:图数据库与向量数据库协同
4.1 原理与逻辑:智能存储的目标与双库互补逻辑
4.1.1 图数据库:实体关系的结构化存储核心
4.1.2 向量数据库:语义检索的非结构化存储核心
4.1.3 双库协同的逻辑与框架
4.2 关键技术:图数据库与向量数据库协同实践
4.2.1 图数据库与向量数据库的选型
4.2.2 双库协同架构设计
4.2.3 数据流水线集成
4.2.4 针对情报场景的性能优化策略
4.2.5 存储安全策略
4.2.6 数据一致性与扩展性保障
本章小结
第5章 知识图谱构建与推理:从数据到认知
5.1 原理与逻辑:知识图谱的核心要素与认知范式
5.1.1 知识图谱的核心要素:从本体到属性的认知框架
5.1.2 与开源情报的适配性:解决传统分析的三大痛点
5.1.3 智能分析的常见场景:从知识到情报的转化路径
5.1.4 消除情报大模型幻觉:知识库融合与动态调用机制
5.2 关键技术:知识图谱构建的全流程逻辑
5.2.1 本体设计:为情报分析定制认知框架
5.2.2 知识抽取:从数据中提取“实体—关系—属性”
5.2.3 知识融合:解决知识碎片化问题
5.2.4 知识存储:选择适配的知识容器
5.2.5 质量评估:确保知识的准确性与可用性
5.3 智能分析:从知识图谱中挖掘情报价值
5.3.1 关联挖掘:还原隐藏的情报链路
5.3.2 趋势预测:预判情报的发展走向
5.3.3 异常检测:识别情报的风险信号
5.3.4 智能问答:提升情报分析的效率
5.3.5 行业实践:知识图谱在开源情报中的典型应用
本章小结
第6章 智能体自主分析:主导情报智能挖掘
6.1 原理与逻辑:开源情报智能体的核心架构与自主分析逻辑
6.1.1 开源情报智能体的闭环架构与核心要素
6.1.2 开源情报智能体的自主分析逻辑
6.1.3 智能体与前序技术的协同逻辑
6.2 关键技术:开源情报智能体的落地实现
6.2.1 智能体架构实现:模块化组件
6.2.2 任务规划技术:动态任务拆解与优先级排序
……
文摘▼
本书定位于开源情报领域的基础教程层级,章节安排遵循智能开源情报系统的构建逻辑与工作流程,循序渐进地介绍各阶段的关键技术。第1章从智能时代背景切入,帮助读者建立对开源情报范式变革的整体认知和技术基座概览;第2~8章,分别从数据智能采集、数据清洗与预处理、智能存储、知识图谱构建与推理、智能体自主分析、多模态智能分析、深度学习与预测建模等方面,充分描述了大模型和智能体在开源情报处理各个步骤中的运用,让抽象的技术落地为可感知的应用;第9和10章分别从信息伪造与鉴伪、数据投毒与防御两个方面,通过对抗式攻防确保智能时代开源情报分析数据挖掘的真实性和安全性。





