大数据知识工程(BigKE: Knowledge Engineering with Big Data)不同于依靠领域专家的传统知识工程，除权威知识源以外，知识主要来源于用户生成内容(UGC: User-Generted Contents)，具有海量异质的特点，知识库需要自完善与增殖能力，问题求解过程根据用户交互进行学习。

大数据知识工程(BigKE: Knowledge Engineering with Big Data)是从国内兴起、引领大数据分析走向大知识研究和应用的一个国际前沿研究方向。2014年1月，吴信东教授等提出了大数据在异构、自治、复杂、演化环境下的HACE定理。2015年9月，吴信东与郑南宁院士、陆汝钤院士等基于HACE定理提出了大数据知识工程的顶层设计与研究纲要。不同于依靠领域专家的传统知识工程，大数据知识工程除权威知识源以外，知识主要来源于用户生成内容(UGC: User-Generated Contents)，具有海量异质的特点，知识库需要自完善与增殖能力，问题求解过程根据用户交互进行学习。

依据大数据知识工程的顶层设计与研究纲要，本研究旨在建立大数据知识工程基础理论，形成利用海量、低质、无序的碎片化知识构建新型知识服务平台的方法学体系。本研究有望突破以专家知识为核心的传统知识工程中的“知识获取”和“知识再工程”两个瓶颈问题，并在医疗、教育、商业等各领域都具有巨大需求。

科学问题：本研究主要以构建具有群智、增殖、适配特征的大数据知识工程的基础理论为目标，以解决大数据知识工程中的碎片化知识表示、质量、适配问题为切入点，提炼并突破三个关键科学问题：（1）探索碎片化知识发现、表示与演化规律。提出适应碎片化知识分面、多维度、即时动态等特征的表示模型与在线挖掘方法，揭示碎片化知识的时空特性和演化机理，构建知识演化模型。（2）揭示碎片化知识拓扑融合机理。依据“拓扑影响机理”这一普适原理，分析碎片化知识间语义关联的拓扑与涌现特性，研究动态挖掘与拓扑融合机理，实现知识量质转换与增殖。（3）构建个性化知识导航的交互模型。针对碎片化知识的无序性与用户需求的动态多样性，设计多粒度情景感知与知识寻径模型，建立逐步求精的知识适配模型。