团队负责人：张  晖 教授

1、简介：

        本方向拥有教师15人，其中高级职称12人，硕士研究生导师8人，在读研究生40余人。方向以“大数据”背景下的海量数据管理与知识发现为目标，重点研究非结构化数据管理与融合、知识图谱与知识发现、社交网络分析、机器学习、基于数据的决策支持、教育大数据等。近五年承担国家自然科学基金、国防基础科研、教育部人文社科、全国教育科学规划办“十二五”规划课题、省科技厅科技支撑计划等项目10余项，企业委托开发项目20余项。

2、主要研究方向：

数据工程：主要开展海量异构数据采集、清洗、抽取、存储、挖掘等技术研究，研发基于大数据的应用系统。

自然语言理解技术：主要开展机器学习理论、基于机器学习的自然语言处理、知识图谱自动构建等技术。

社交网络分析：主要开展复杂网络理论、信息传播模型、图表达学习等研究。

教育大数据：主要进行大数据背景下的教育理论、教育中的人工智能技术研究。

3、核心技术

3.1 海量数据的快速采集与挖掘技术 

形成了采集互联网非结构化、半结构数据的分布式网络爬虫与数据抽取技术，针对多业务系统的数据集成ETL技术，针对工业生产线的时序DCS数据采集技术，针对海量数据的分布式存储与挖掘技术，以机器学习、深度学习为主的自然语言处理技术及应用研究。申请发明专利3项，登记软件著作权4项，具体如下：

1.        一种网页文本还原系统及方法，ZL201010132456.5

2.        一种分布式互联网数据快速采集系统及采集方法，公开号：CN 106484828 A

3.        一种基于n-gram模型的简历解析方法，公开号：CN 107145584 A

4.        网络信息个性化智能检索系统，2012SR011825

5.        互联网信息采集系统，2012SR011819

6.        网页重组系统，2010SR037124

7.        中文新闻网页语义抽取系统，2010SR033550

典型成果：互联网舆情监测系统（高教版）http://www.dkelab.cn

基于云计算模式的舆情监测系统，它为用户提供发现指定舆情源中的敏感信息、热点信息、新话题等，同时进行情感倾向性分析，便于高校在第一时间掌握关键信息，有针对性的开展工作。系统结构如下图所示：

系统特点：

1.      近200个网站的实时监测

2.      分布式数据采集，响应时间3~5分钟

3.      每天的信息增量20000条

4.      关键词提取、情感分析、内容推送服务

5.      以SaaS模式提供舆情监测服务。

6.      历时7年，5个版本，5家使用单位

3.2 复杂异数据融合与知识发现技术

       主要开展以知识图谱为核心的异构数据采集、融合与知识发现技术。

典型成果1：军民融合企业基础数据平台

       从异构数据中抽取元数据，通过数据融合、实体链接、图谱融合形成行业知识图谱，为分析决策提供基于知识计算的分析平台。

       目前采集融合了川内高新技术企业8000余家，涉及企业文献、专利、招聘、专利、新闻、招投标、著作权等数据，分析企业创新能力、及企业关系图谱。如下图所示。

典型成果2：基于知识图谱的含能材料基础数据平台

       针对含能材料研发过程中涉及的知识、报告、数据、公式、分子式、算法、文献等数据资源，采用知识图谱，构建了多种异构数据融合的基础数据平台。平台同构构建含能材料领域知识图谱，通过知识图谱关联相关的数据资源，实现了数据资源的基于语义的推荐，同时可进行在线的公式计算和数据挖掘。如下图所示：

3.3 基于数据管理的大型应用系统咨询及建设

       具有丰富的大型应用系统建设与集成经验，近三年为企事业单位提供项目建设咨询4项，同时为企事业单位建立了多套大型应用系统。

u 项目建设咨询

•      工程技术研究院实验室数字化管理系统方案设计（中石油西南油气田分公司）

•      专项工程驱动器知识体系架构设计（中国工程物理研究院）

•      绵阳市公共信用信息共享交换平台建设方案（绵阳市发改委）

•      西南军民科技协同创新平台（网络建设）技术标准和要求（四川双银创促科技有限责任公司）

u 大型应用系统建设

移动设备监控系统：通过采集核心路由上移动设备的GPS信息，开展海量的位置挖掘和分析，发现用户的行为模式，为特殊人员定位提供服务。该系统能实时处理地市级城市移动设备位置信息，每天增量100万。界面如下图所示：

长虹快益点公司技术支持平台：为分布在全国5000多个网点的20000余名售后服务工程师提供在线维修知识库、在线培训、考核、交流等服务，各类知识库数据达TB级，并发500以上。该平台于2013年上线运行。界面如下图所示：

基于MOOC的个性化网络学习平台：该平台通过分布式方式，为绵阳市分布在各郊县的八万多高中生选修课在线学习环境。平台于2014年上线，服务绵阳市9个辖区，共计23门课程，218个视频，9810分钟。同时该平台获得“赛尔网络下一代互联网技术创新项目”资助，并在2017年获得“第三届下一代互联网技术创新大赛”三等奖。

 4、科技项目展示

网络舆情大数据分析与处理

分布式海量数据采集与抽取技术，半结构化数据的知识发现技术，基于领域本体的舆情发现算法。

事件故事脉络生成系统（PostStory）

融合微博平台的“社交”特性，结合事件演化的时间分布，基于图卷积神经网络识别故事分支。

中文电子病历知识图谱自动构建技术

小样本，半监督学习，基于混合神经网络的中文电子病历实体识别、关系抽取技术。