项目名称: 面向大数据的语义计算框架及在生物医学信息中的应用研究

项目编号: No.61473260

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 陈华钧

作者单位: 浙江大学

项目金额: 84万元

中文摘要: 大数据的智能处理迫切需要语义技术的支持,然而现有的大数据技术平台都相对缺乏数据语义的处理能力。本项目主要目标是研究面向大数据的语义计算框架,并推动其在生物医学大数据等领域的应用。具体主要围绕三个科学问题:a)怎样平衡数据的语义表达和弹性可扩展的数据处理能力?b)怎样实现跨边界跨尺度的大数据语义挖掘与知识发现?c)怎样实现更加智能的大数据自然语义交互。并拟开展四个方面的研究,包括:a)研究面向大数据特征的语义表达框架;b)研究跨边界、跨尺度的大数据语义发现方法;c)研究弹性可扩展的语义大图处理引擎及高实时的语义交互技术;d)结合生物医学和健康领域的大数据处理开展应用创新研究。同时,形成三个方面的关键技术创新:a)轻语义表达模型;b)跨尺度语义挖掘;c)可演化语义大图存储与实时语义交互。随着图模型在大数据应用中日益重要,本项目的研究有助于提升在大数据核心技术领域的竞争力。

中文关键词: 语义Web;大数据;知识发现;生物医学信息

英文摘要: More advanced and intelligent big data processing needs semantic technologies urgently. However, current big data platforms lack the capability of processing data semantics. The principal goal of the project is to develop a semantic computing framework geared toward typical characteristics of big data applications, and foster its application in particular domains such as biomedical informatics. Specifically, we consider three main problems including: a) How to balance the expressiveness of data semantics and scalability of data parallelism? b) How to discover deep semantic relations from multi-scale big data? c) How to enable real time semantic interaction with big data? The research consists of four sub-topics including: a) Semantic model for big data; b) Cross-boundaries and multi-scale semantic discovery from big data; c) Elastic and scalable engine for big semantic graph storage and query interactions; d) Applications in biomedical knowledge discovery and biomedical semantic network processing. The key innovations of the project lie in three aspects: a) A light-weight semantic model for big data; b) Multi-scale semantic discovery for big data; c) Evolvable storage and real time query engine for big semantic graph.

英文关键词: Semantic Web;Big Data;Knowledge Discovery;Biomedical Informatics

成为VIP会员查看完整内容
2

相关内容

面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
28+阅读 · 2021年8月27日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
面向健康的大数据与人工智能,103页ppt
专知会员服务
108+阅读 · 2020年12月29日
最新【图神经网络计算】2020综述论文,23页PDF
专知会员服务
192+阅读 · 2020年10月3日
专知会员服务
44+阅读 · 2020年8月20日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
专知会员服务
123+阅读 · 2020年3月26日
CCCF专题导言 | 智能医生助理:需求与挑战
中国计算机学会
1+阅读 · 2022年3月16日
知识图谱的自动构建
DataFunTalk
55+阅读 · 2019年12月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
刘知远 | 语义表示学习
开放知识图谱
16+阅读 · 2018年8月9日
工业大数据分析之道:机理与数据分析的知识融合
遇见数学
12+阅读 · 2017年11月25日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年5月4日
Arxiv
0+阅读 · 2022年5月3日
Arxiv
0+阅读 · 2022年5月3日
Arxiv
2+阅读 · 2022年5月3日
小贴士
相关VIP内容
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
28+阅读 · 2021年8月27日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
面向健康的大数据与人工智能,103页ppt
专知会员服务
108+阅读 · 2020年12月29日
最新【图神经网络计算】2020综述论文,23页PDF
专知会员服务
192+阅读 · 2020年10月3日
专知会员服务
44+阅读 · 2020年8月20日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
专知会员服务
123+阅读 · 2020年3月26日
相关资讯
CCCF专题导言 | 智能医生助理:需求与挑战
中国计算机学会
1+阅读 · 2022年3月16日
知识图谱的自动构建
DataFunTalk
55+阅读 · 2019年12月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
刘知远 | 语义表示学习
开放知识图谱
16+阅读 · 2018年8月9日
工业大数据分析之道:机理与数据分析的知识融合
遇见数学
12+阅读 · 2017年11月25日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2022年5月4日
Arxiv
0+阅读 · 2022年5月3日
Arxiv
0+阅读 · 2022年5月3日
Arxiv
2+阅读 · 2022年5月3日
微信扫码咨询专知VIP会员