[01346313]网络大数据敏捷计算与精准服务关键技术及产业化应用

本项目属信息技术领域。 信息技术与经济社会的交汇融合引发了数据的迅猛增长,在“十三五”规划中,大数据已上升为国家战略,它正对各个行业产生重大影响。本项目针对企业在智能化和信息化过程中,涉及的大数据管理、计算与服务等方面的棘手问题,重点依托国家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,突破了企业大数据从来源、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、大数据多模态个性化信息推荐：针对现有推荐系统存在的冷启动、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推荐的全局收益。 2、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,在此基础上,首次发明了计算精度与时间代价平衡的大数据聚集分析和多目标查询技术。 3、大数据组织、存储与知识管理：针对企业非结构化大数据存储效率低下难题,提出了压缩3-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、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25项,受理发明专利16项,获软件著作权24项,主编或参编国家/地方技术标准规范11部,发表学术论文132篇,SCI/EI检索117篇,Google Scholar总他引1200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3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、机关事业单位以及中小型企业的4000余项工程项目中得到成功应用。近三年,项目直接新增产值8.7亿元,并创造间接经济效益5.9亿元及良好的社会效益。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。