“本书之所以成为永恒的经典，是因为它的每一次再版都不仅仅是更新补充，而是一次全面的修订，对这个激动人心且快速变化领域给出了最及时的信息和最独到的解读。再次阅读本书仍自觉学无止境,感佩于两位卓越大师的渊博学识和深厚功底。”现今计算机界处于变革之中：移动客户端和云计算正在成为驱动程序设计和硬件创新的主流范型。因此在这个最新版中，作者考虑到这个巨大的变化，重点关注了新的平台（个人移动设备和仓库级计算机）和新的体系结构（多核和GPU），不仅介绍了移动计算和云计算等新内容，还讨论了成本、性能、功耗、可靠性等设计要素。每章都有两个真实例子，一个来源于手机，另一个来源于数据中心，以反映计算机界正在发生的革命性变革。

《使用Raspberry Pi学习计算机体系结构》能帮助读者 ■　了解Raspberry Pi每个部分的设计目的 ■　理解不同组件之间的交互方式 ■　深入了解系统设计的完整过程 ■　学习程序设计原理 ■　观察硬件和操作系统之间的相互作用 ■　深入研究ARM芯片背后的机制 ■　比较和对照不同的芯片，从ARM到Intel

3.2 知识图谱研究现状 3.2.1 通用知识图谱案例 国外的 DBpedia [Auer et al,2007]使用固定的模式从维基百科中抽取信息实 体，当前拥有 127 种语言的超过两千八百万实体以及数亿 RDF 三元组；Yago [Suchanek et al,2007]则整合维基百科与 WordNet 的大规模本体， 拥有 10 种语言 约 459 万个实体，2400 万个事实；Babelnet [Navigli et al,2012]则采用将 WordNet 词典与 Wikipedia 百科集成的方法，构建了一个目前最大规模的多语言词典知识 库，包含 271 种语言 1400 万同义词组、36.4 万词语关系和 3.8 亿链接关系。 国内的 Zhishi.me 从开放的百科数据中抽取结构化数据，当前已融合了包括 百度百科、互动百科、中文维基三大百科的数据，拥有 1000 万个实体数据、一 亿两千万个 RDF 三元组；以通用百科为主线，结合垂直领域的 CN-DBPedia [Xu et al,2017]，则从百科类网站的纯文本页面中提取信息，经过滤、融合、推断等操 作后形成高质量的结构化数据；XLore[Wang et al,2013]则是基于中文维基百科、 英文维基百科、百度百科、互动百科构建的大规模中英文知识平衡知识图谱。 3.2.2 领域知识图谱案例 领域知识图谱常常用来辅助各种复杂的分析应用或决策支持，如下图所示， 在多个领域均有应用，不同领域的构建方案与应用形式则有所不同，本文将以电 商、企业商业、图情、创投四个领域为例，从图谱构建与知识应用两个方面介绍 领域知识图谱的技术构建应用与研究现状。 图2 行业知识图谱应用一览15 15 引自 2017CCKS《行业知识图谱的构建与应用》

计算机系统结构：是指传统机器程序员所看到的计算机属性，即概念性结构与功能特性。透明性：在计算机技术中，吧这种本来存在的事物或属性，但从某角度看又好像不存在的概念称为透明性。

最新版的计算机组成 硬件/软件接口第四版。很不错的书籍，与计算机体系结构并称 倚天屠龙。

本人整理了计算机体系结构复习题目，标黄色编号为18-19年的考试题，其他的为19-20年考试的重点题目

北邮高级计算机体系结构的WINDLX实验报告

计算机体系结构，比较热的技术

神作计算机体系结构-量化研究(第5版)的答案与附录 好好学习吧