基于人机深度融合的多粒度移动大数据分析

Mobile big data exhibits personality, space-time and hierarchy features besides the traditional “4V”, which brings serious challenges to existing data analysis theories. Focusing on deeply fusing abilities of human and computers and demand-driven multi-granularity analysis, this project will explore efficient analysis methodology for mobile big data based on human cognition mechanisms...In this project, we will intensively investigate the following important issues.Firstly, we are going to propose a human-like cognition computing model based on human cognition mechanisms. It enables computers to understand mobile big data in the human cognition way, and increasingly improves analysis ability through continuous self-learning. Secondly, we will set up a demand-adaptive multi-granularity analysis model. A multi-granularity analysis architecture for mobile big data will be proposed, based on the human multi-layer cognition mechanism. Thirdly, we will explore deep human-computer fusion mechanisms to make full use of excellent sensing and cognition capabilities of human and powerful processing capability of computers. Finally, a multi-granularity analysis methodology for mobile big data will be set up. For this purpose, we are going to investigate depth-adaptive mechanisms, as well as methods combining precise and imprecise computing. Consequently, a set of efficient algorithms for mining interests and space-time properties of mobile users will be developed...This project will found a set of new key analysis technologies for mobile big data based on human-computer fusion, and will deliver innovative academic results for mobile big data analysis.

移动大数据不仅具有“4V”特性，还表现出明显的个性化、时空性和层次性，给现有的数据分析理论带来了严峻挑战。本项目以深度融合人机能力为核心，以需求牵引的多粒度分析为主线，研究基于人类认知机理的移动大数据高效分析方法。主要研究内容：(1)基于人类认知机理的类人认知计算模型，使计算机能模拟人脑思维方式来分析移动大数据；并通过自主学习，不断提升其分析能力。(2)需求自适应的多粒度分析模型，借鉴人类层次化分析问题的机理，研究需求驱动的多粒度移动大数据分析框架。(3)人机深度融合机理，研究如何充分融合人类非凡的感知、认知能力与计算机强大处理能力。(4)基于人机认知融合的多粒度移动大数据分析方法，研究深度自适应机制以及精确与非精确计算相结合的方法，实现用户兴趣及其时空特征的高效挖掘。本项目将建立基于人机融合的多粒度移动大数据分析若干理论与关键技术，形成创新的移动大数据分析理论成果。

本项目针对移动大数据的特点，以深度融合人机智能为目标，围绕“人机深度融合机理”和“需求自适应的多粒度模型”二个科学问题，重点研究如何在大数据分析过程中充分利用人的感知与认知能力；如何借鉴人类分层认知机理，提供多粒度、个性化知识服务，建立了基于人机融合的多粒度移动大数据分析关键技术，形成了我国独创的走在前列的移动大数据分析理论成果。主要包括：1、研究了人机智能融合机理，设计了类人认知计算模型，实现人与机器的互补协作与深度交融。2、基于人类认知机理，构建了需求匹配、深度可控的多粒度分析模型，有效避免“过度计算”。3、提出了基于人类感知能力的移动大数据处理方法，构建量小质优的数据集。4、提出了人机协作的移动大数据多粒度分析技术，以人机混合智能高效挖掘用户兴趣和时空特征。5、研制了移动大数据分析平台，结合专家知识与机器学习，优化了分析效果。6、提出了智能移动网络若干关键技术。. 项目组发表了高水平相关学术论文40篇，包括10篇CCF A类论文（IEEE TMC 2篇,AAAI 2020,IJCAI 2020,IJCAI 2019,ICDE 2018,INFOCOM 2021 2篇,INFOCOM 2020, INFOCOM 2018），8篇CCF B类论文（IEEE TWC 2篇,JCST 2篇,DASFAA 2018 2篇,Information Sciences,GeoInformatica），25篇SCI/SCIE论文，以及9篇IEEE Transactions期刊论文。获国际会议最佳论文奖4次，以及上海市2019年自然科学二等奖。申请发明专利9项，其中授权6项。培养了博士生8人、硕士生15人，超额完成了各项考核指标。. 研究成果得到了包括多名ACM和IEEE Fellow在内的国内外同行的积极评价和大量引用，能够为国家大力发展的大数据与工业互联网产业形成有效支持。部分技术已成功应用于苏州科达科技股份有限公司、优刻得科技股份有限公司和华为等公司的产品中，形成了良好的社会与经济效益。