Web 是一个蕴涵着巨大潜在价值知识的信息空间，Web 信息极大地便利和丰富了人们的生活，但也给信息的组织、查找与分析等有效利用带来了极大的挑战。本项目针对Web 数据的特点以及实际生活中的应用需求，开展网络信息融合与知识服务的理论和方法研究。

    具体包括：在网络信息融合方面，研究Web 文本分类/聚类的算法与模型；研究海量linked data 的集成、组织和应用技术，研究Web 语义的标注方法。在知识服务方面，研究基于社区网络的个性化搜索技术；研究协同过滤推荐模型与方法。目标在于构建网络信息融合与知识服务的理论和技术框架，为各类应用的开发奠定理论和技术基础。本项目将数据库、数据挖掘等技术和Web 结合起来，提出智能化、个性化、精确化的网络信息融合和知识服务的理论和方法，并根据所研究的理论成果，开发了一个知识服务的应用系统软件。 该项目对Web 文本分类/聚类进行了深入研究，提出了基于迁移学习的 Web 文本分类/聚类， 以帮助用户有效地克服信息过剩，提供基于用户的个性化服务；项目对以Linked Data 技术为核心的Web of Data 的查询、元数据、管理与维护、应用等方面进行了研究，提出了面向海量Linked data 的集成组织和应用技术。 项目设计实现了面向Linked-data的中文知识图谱系统与平台，开发了运行在链接数据云环境下的Idea-map系统，为后续Linked-data数据的组织管理以及网络信息的语义标注研究提供了平台支持。提出了基于动态图的结点相似度更新算法、基于链接的相似性度量、基于模糊粗糙集嵌套结构的特征选取方法、基于原始对偶算法的排序学习方法、基于迁移学习方法的跨语言文本分类算法、基于K2树的压缩方法、可重叠社团搜索方法等理论与技术框架。