公示情况表.DOC

公示情况表 1.项目名称： 网络大数据敏捷计算与精准服务关键技术及产业化应用 2.推荐单位（专家）： 华南师范大学 3.项目简介： 本项目属数据库技术领域。 信息技术与经济社会的交汇融合引发了数据的迅猛发展，在“十三五”规划中，大数据已上升为国家战略，它正对各行业产生重大影响，而网络大数据是其重要组成部分。本项目针对不同组织在智能化信息化过程中，涉及的网络大数据管理、计算与服务等方面的棘手问题，重点依托863 计划、国家科技支撑计划等项目，以先进的知识图谱和深度学习理论方法体系为驱动，通过产学研协同攻关和全方位的集成示范应用，形成了涵盖网络大数据规范组织与知识管理、敏捷近似计算、精准信息推荐以及深层主题发现与趋势预测等在内具有自主知识产权的创新性成果，突破了网络大数据从来源、管理到应用全生命周期所面临的技术瓶颈。 具体来说，项目主要创新成果如下： 1．网络大数据多模态个性化信息推荐：针对现有推荐系统存在冷启动、泛化能力差和个性化不足等难题，首次揭示了文本和图片联合空间下大规模物品的分布式表征机理，进而发明了融合Attention机制和深层神经网络的多模态信息推荐模型，并最终研发了基于深度强化学习的推荐过程建模技术来最大化信息推荐的全局收益。 2．网络大数据近似计算与敏捷分析：突破了用户使用SQL/HiveQL困难的技术瓶颈，实现基于自然语言接口的交互式查询分析方法，进而，首次发明了计算精度与时间代价均衡的网络大数据聚集分析和多目标查询技术。 3．网络大数据组织、存储与知识管理：针对不同组织机构中非结构化网络大数据存储效率低下难题，提出了三层压缩NSB树的极小路径存储方法来显著降低空间开销，同时，集成研发了4种知识图谱优化技术来解决其构建过程中存在的可信度和质量问题，并首次发明了基于知识图谱的词嵌入深度学习方法来大幅度提高词语分布式表征的语义准确度。 4．网络大数据深层主题发现与趋势预测：独创一种面向不同应用的深度信息识别框架，攻克了不同应用下网络大数据信息识别模型不统一的难题，同时，首次发明了基于知识图谱的深层主题检测技术来解决现有方法在捕获数据语义信息和自动确定主题数量等方面存在的缺陷，在此基础上，实现了融合知识图谱和模糊隐马尔可夫模型的主题演化趋势精准预测方法。 项目已获授权发明专利35项，受理发明专利33项，获软件著作权66项，主编和参编国家/地方技术标准规范12部，发表学术论文243篇，SCI/EI检索192篇，Google Scholar总他引2100余次，4篇论文先后获得国际会议优秀论文奖，作国际会议特邀报告9次，出版专著8部，成果得到世界30余个国家和地区学者的引用和正面评价。 经教育部和国家档案局科技成果鉴定认为项目成果总体达到国际先进，部分居国际领先水平。 项目成果在上海、北京、广东、江苏等全国近30个省、市自治区的国有大中型企业、机关事业单位与民营中小型企业的4000余项工程项目中得到成功应用。近三年，项目新增产值14.6亿元、利润3.9亿元、税收5108万元、节支总额7012万元，并创造良好的社会效益。同时，项目成果在国家大数据和人工智能战略背景下，具有广阔的应用前景。 4.主要完成单位及创新推广贡献、推广应用情况： 1）主要完成单位： 华南师范大学、同济大学、上海师范大学、中国矿业大学、上海中信信息发展股份有限公司、安徽博约信息科技股份有限公司、神华和利时信息技术有限公司 2）创新推广贡献、推广应用情况： 项目集成研发了网络大数据敏捷计算与精准服务平台，兼顾其产业化应用。该项目成果已先后成功应用于上海、北京、广东、江苏、浙江、山东、福建、湖北等全国近30个省、市自治区的4000余项工程项目中，服务对象包括国家发改委、最高人民检察院、最高人民法院、中国移动通信集团及其所属子（分）公司、中国化工集团公司、国家能源集团（原神华集团部分）及其二级子公司、国家档案局、上海市公安局等在内的国有大中型企业、机关事业单位以及中小型企业。近三年，本项目累计新增产值14.6亿元、新增利润3.9亿元、新增税收5108万元、节支总额7012万元，推动我国多家组织机构实现了智能化信息化科学管理的快速转变，优化了业务流程，提高了网络大数据存储、计算和服务的效率，产生了巨大的经济和社会效益。 近年来，随着云计算、移动通信和社交网络等技术的迅猛发展，我们所能获得的数据正以超出想象的速度快速增长。根据国际数据公司IDC（International Data Corporation）的测算，目前全球数据的增长速度在每年40%左右，到2020年，数据总量将达到40ZB。当前，在国家大数据战略和国家人工智能战略的背景下，我国各行各业都在持续加大不同网络来源大数据的存储、管理、计算与服务的研发投入和专业人才培养，旨在加快推动数据资源共享开放和开