本课题是科技部973项目的子课题，项目牵头单位是上海交通大学，中国科学院深圳先进技术研究院是课题二牵头单位。

    本课题主要围绕三元空间群智模型，人机协同推理方法，深度计算理论和方法，知识演化模型四个方面展开研究。在群智认知质量控制和汇聚方法，人机协同推理的任务最优分配方法，深度计算的非精确计算理理论，知识活化和演化方法等方面取得了一系列研究成果以及突破性进展。 本项目主要完成的研究工作包括：

    在三元空间群智模型方面，针对群智发现、群智认知质量控制以及群智汇聚等问题，提出了基于层级领域结构的知识汇聚、异构空间群智融合推荐、基于半监督学习模型的知识一致聚合，基于深度计算的质量控制和群智反馈等模型机制与方法，并在人群活动识别，兴趣发现，人群流量预测以及内容推荐等场景中验证了模型方法的有效性；相关工作发表在ICDE 2016、TKDE 2016、IJCAI 2016、SIGSPATIAL 2017、CIKM 2015等国际权威期刊和学术会议上。

    在人机协同推理方面，着重研究了任务最优分配、激励机制、知识冲突消解以及人机并行处理等问题，提出了基于人机迭代训练产生最优任务分配结果、基于人机协同的深度Q网络、基于时空约束的推理过程冲突消解等算法和关键技术，取得了优于纯机器执行算法的效果。相关工作发表在VLDB 2018、TKDE 2019、CIKM2017、 CIKM 2019等国际权威期刊和学术会议上。

    在深度计算理论和方法方面，着重研究了非精确计算的理论方法，提出了基于栈的迭代计算范式，相比传统的计算平台（如Spark）取得了十倍以上性能提升；面向海量数据查询即时响应的需求，提出了非精确计算理论，满足实时计算需求；相关工作发表在VLDB 2018、TKDE 2019、SIGSPATIAL 2015、SIGSPATIAL 2016、CIKM2017、CIKM 2019等国际权威期刊和学术会议上。

    在知识演化模型方面，着重研究知识图谱表示方法，包括知识图谱的生成与知识活化方法。本课题提出了基于时间敏感的知识图谱的生成与知识活化方法，并以人类美学为切入点提出了潮流演化模型来阐述知识演化法则模型。相关工作发表在TKDE2016、SIGIR 2019等顶级会议上。 获奖情况：相关成果获得2018年华夏建设科学技术奖一等奖。