课题二（基于溯源和评估理论的知识演化规律研究）

课题负责人：张松懋：女，中国科学院数学与系统科学研究院研究员。主要从事计算机科学中的人工智能理论和技术研究，包括语义网知识表达和推理、大型本体映射、和关联规则发现高效算法等。曾担任三项自然科学基金项目的负责人、一项863项目的负责人、一项自然科学基金重点项目的第二责任人、一项中科院院长基金的第二负责人等。在国际刊物、国内一级刊物、国际会议上发表论文50多篇。1996年获首届中创软件人才奖，获得北京市2010年度科学技术奖三等奖（第一完成人），获2014年度中科院数学与系统科学研究院十大突出科研成果奖。

课题骨干成员：陆汝钤、李明、靳小龙、宋丹丹

陆汝钤：男，计算机科学家。原籍江苏苏州，1935年2月生于上海，1999年当选为中国科学院院士。1959年毕业于德国耶拿大学数学系。在知识工程和基于知识的软件工程方面作了系统的、创造性的工作，是我国该领域研究的开拓者之一。设计并主持研制了知识工程语言TUILI和大型专家系统开发环境《天马》。首次把异构型DAI和机器辩论引进人工智能领域。研究出基于类自然语言理解的知识自动获取方法，把ICAI生成技术推进到以自动知识获取为特征的第三代，并开发出基于知识的应用软件自动生成技术。研究出能把中文童话故事自动转换成动画片的计算机动画全过程自动生成技术，在艺术创造领域内推进了人工智能。 

李明：加拿大滑铁卢大学（University of Waterloo）计算机科学教授，加拿大皇家学会（The Royal Society of Canada）科学及数理学部院士，国际计算机机械学会ACM会士 (fellow)，电子、电工工程师研究会 (IEEE)会士。清华大学长江讲座教授。研究Kolmogorov复杂性的权威专家，在研究算法平均复杂度、发现确定最低复杂度新方法方面做出了杰出贡献，为计算机科学领域一系列长期悬而未决问题的解决铺平了道路。将计算机科学在生命信息工程方面的应用，向前推进了一大步。他通过计算机的运算方式检测生命细胞的功能、结构和顺序等。带领团队开发了“薄言豆豆“聊天机器人。1997年李明与Paul Vitanyi合作撰写了一本介绍计算机繁复性的学术著作“Kolmogorov complexity”，被学界公认为是迄今最有前瞻性的指导性文献之一。

靳小龙：博士，中国科学院计算技术研究所副研究员，博士生导师，中国科学院大学岗位教授，中国计算机学会大数据专家委员会副秘书长。主要研究兴趣包括社会计算、大数据分析、多智能体系统、知识获取与融合等。迄今为止共出版专著2部（分别由Springer与清华大学出版社出版）；发表国内外学术期刊与会议论文120余篇，SCI收录40篇，EI收录75篇，获得国际会议CIT-2015, AINA 2007与ICAMT 2003的最佳论文奖，国内会议CCF Big Data 2015的最佳学生论文奖。目前担任Web Intelligence: An International Journal (WI) 与《大数据》等国内外期刊的编委，7次担任Journal of Computer and System Sciences 等国外学术期刊的特邀客座编辑，30余次出任学术会议或专题会议的主席/副主席（包括IAT, CIT,  ScalCom, HPCC, IUCC 等)，连续4年担任中国大数据技术大会组委会主席；负责或作为骨干参与的项目/课题有10余项，包括国家重点研发计划课题、973课题、863课题、国家自然科学基金项目（重点、面上、青年）、欧盟FP7与FP6项目、英国EPSRC项目等。

宋丹丹：博士，北京理工大学计算机学院副教授。北京市青年英才、微软“铸星计划”青年学者、北京理工大学优秀青年教师。分别于2004年与2009年7月获清华大学计算机科学与技术系学士与博士学位，系优秀博士毕业生，清华大学综合优秀奖学金获得者。2015年至2016年国家公派访问美国斯坦福大学，与美国科学院院士Wing H. Wong教授开展合作研究；2007年至2008年国家公派访问美国加州大学河滨分校，师从算法领域专家、ACM Fellow、长江学者Tao Jiang教授。曾作为高级访问学者访问香港城市大学、澳大利亚悉尼科技大学。研究方向为智能信息处理与数据挖掘。近年来在国际顶级期刊和会议发表论文十余篇。作为项目负责人承担国家自然科学基金面上项目、国家自然科学基金青年项目、国防重点实验室基础研究项目等。指导学生先后在TREC 2013及TREC 2014的KBA-CCR竞赛中获得三项全球第一及二项全球第二的成绩。

任务介绍：

课题题目：基于溯源和评估理论的知识演化规律研究

课题任务:  针对寻求碎片化知识表示与演化规律这一科学问题，研究基于时序特征分析的知识演化模型，挖掘知识演化规律，并解决知识演化过程中的数据缺失和噪音问题，为知识融合与导航提供依据。针对碎片化知识的更新和动态变化特点，利用具备层次性与可融合性的知识表示和推理机制，研究构建碎片化知识的演化模型。针对数据流的连续性、多变性和快速性等特点，研究融合时序特征的知识演化模型的变结构学习。进一步，动态演化的碎片化知识存在数据项缺失或噪音问题，为了提升知识演化模型的精准性，研究基于评估理论的噪音清洗理论和模型。构建基于知识集成与演化的互联网+服务示范平台，功能包括基于碎片化知识融合与演化的人机对话、互联网知识挖掘、提炼与集成；采集全国5千余个5A、4A、3A 景点相关的碎片化知识，涉及景区、导游、交通、游客游记等内容,开发支持自然语言智能问答的旅游服务，用户规模达到100万人。

互联网+服务示范应用说明、背景、预期等：

基于知识集成与演化的互联网+服务示范平台：融合旅游、问答2个领域的碎片化知识，采集全国5千余个5A、4A、3A景点相关的数据，涉及景区、导游、交通、游客游记等内容，开展支持自然语言智能问答的旅游服务，用户规模达到100万人。