电子税务是实现依法治税国家意志，实现降低征税成本、提高征管效率、增强税法遵从度国家目标的技术支撑平台。税务大数据计算面临点多线长难验真、省际孤岛难共享、高维特征难建模、偷逃骗税难发现等难题。结合国家金税工程需求，提出“纳税人利益关联网络（TPIN）”概念并攻克相关核心技术，包括电子税务数据真实性与一致性校验、税务大数据共享与指标并行计算、TPIN 建模与生成、基于 TPIN 的偷逃骗税疑点发现，研制出国家税务大数据分析平台系列产品，已在国税总局和全国所有省级国、地税局部署，经济与社会效益显著。

电子税务是实现依法治税国家意志，实现降低征税成本、提高征管效率、增强税法遵从度国家目标的技术支撑平台。税务大数据计算面临点多线长难验真、省际孤岛难共享、高维特征难建模、偷逃骗税难发现等难题。结合国家金税工程需求，提出“纳税人利益关联网络（TPIN）”概念并攻克相关核心技术，包括电子税务数据真实性与一致性校验、税务大数据共享与指标并行计算、TPIN 建模与生成、基于 TPIN 的偷逃骗税疑点发现，研制出国家税务大数据分析平台系列产品，已在国税总局和全国所有省级国、地税局部署，经济与社会效益显著。

一、项目简介 当前虚实融合技术面临的重大挑战可以归结为以下两个关键科学问题：（1）非配合虚实环境的无缝融合与交互自然呈现。（2）云环境下虚实融合环境的语义理解、统一表达与应用软件快速定制。为解决上述两个关键科学问题和技术瓶颈，本项目重点研究了自然虚实融合呈现的硬软件技术和装置，构建虚实融合应用流程框架和规范，创新云软件定制和服务模式，实现应用示范。充分利用移动、穿戴式设备的多传感器优势以及云端结合方式进行三维结构的重建、语义标注、识别理解与信息关联。 二、前期研究基础 目前已发表论文10篇，包括4篇期刊论文等（包括TIP、TMM等权威期刊论文）。申请专利3 项。 三、应用技术成果 1）基于搜索的图像深度估计，相对误差低于传统方法，对训练集的需求小于基于深度学习的方法。 Make3D数据集的深度估计结果2）基于双模深度玻尔兹曼机（DBM）的三维场景物体检测框架，给出了RGBD训练数据不足的难题，流程如下 3）基于序列约束的哈希算法在不同比特率情况下均取得了很好的效果。 在LabelMe和Tiny100K上使用不同哈希比特率的效果

癌症是全球第二大死因，对人类的健康构成严重威胁。我国人口基数庞大，老龄化进程不断加快，癌症防控工作也面临巨大挑战。准确、实时的恶性肿瘤发病数据可为防控相关的政策制定、资源配置和科技项目实施与效果评估等提供重要依据。肿瘤发病数据的获得主要通过“肿瘤登记”实现，其中最理想的模式为“基于人群的肿瘤登记体系（Population-based Cancer Registry,PBCR）”。我国现行的肿瘤登记工作可追溯到上世纪50年代末60年代初。历经几十年发展，“从无到有”、“从弱到强”，为相关工作的开展提供了关键的基础数据。然而，受限于“基于监测哨点开展、定点医院人工填报”的主要形式，目前我国肿瘤发病登记工作的发展遇到挑战。其中主要包括：肿瘤登记点数量不足和分布不均衡；肿瘤登记数据深度和广度不足；很难在现有模式下建立真正覆盖全人群的肿瘤监测系统。同时，对上报数据的采集、补充、质控需要较长周期，导致我国肿瘤发病年报通常会滞后3年发布。河南省滑县与广东省汕头市合计在籍人口约700万人。近十年以来，各项医保系统的总参保比例分别稳定在99%及90%以上。两地区过去一直被认为是食管癌高发区，但目前尚无国家肿瘤登记系统覆盖，因此实际的癌症负担及食管癌发病水平仍不明确，无法有针对性地制定并实施肿瘤防控计划。过去十余年，柯杨教授课题组在我国太行山食管癌高发区开展了多项大规模前瞻性人群研究。在长期的队列随访工作中，课题组探索出利用“医保报销数据”追踪肿瘤新发病例的工作模式。经比较性研究评估，该模式对新发癌症病例捕捉的灵敏度高达96%，特异度接近100%[4]。在此基础上，该团队进一步与河南省滑县和广东省汕头市政府有关部门与医疗机构建立深度合作，在高度重视数据安全与隐私保护的基础上，创新性地基于医保系统的医疗费用报销与疾病诊断数据，建立了一套标准化的数据清理流程和质控标准，研发了医保系统数据挖掘的相关算法（已申报相关发明专利），实证性构建了南、北方两个试点地区的肿瘤发病监测系统。对当地全瘤种的癌症发病数据及其流行分布特征、时间趋势等进行了深入分析与报告，为两地区明确癌症疾病谱特征及相关负担、有针对性地建立并完善癌症防控工作策略提供了详实的数据。2012-2018年河南省滑县与广东省汕头市参保全人群的年龄分布 （高参保率及稳定、详实的人口分布数据使MIS-CASS实现“全人群覆盖”）2018年河南省滑县与广东省汕头市男、女性主要恶性肿瘤发病例数及发病率 （医保数据的“实时性”与“高质量”使MIS-CASS的发病数据报告延迟缩短至6个月）2014-2018年河南省滑县与广东省汕头市男、女性主要瘤种发病率变化趋势 （MIS-CASS敏锐地捕捉到了滑县开展乳腺癌筛查引起的发病率“突增”）2018年广东省汕头市食管癌发病率地域分布特征 （MIS-CASS报告显示，汕头市整体食管癌发病水平不高，但内部地域差异明显，地处东北、四面环海的南澳岛为高发区域，西南方向渐呈下降趋势）我国《“十三五”规划（2016~2020）》和《“健康中国2030”规划纲要》均提出，要推进健康大数据在各相关部门间的整合、共享、挖掘和应用。该项工作将医保系统创新性地与癌症发病监测工作相结合，建立了基于医保大数据监测癌症发病的MIS-CASS模式。经评估，该模式具有区域内全人群覆盖、数据质量高、报告延迟短、运维成本低等优点。在信息化与大数据时代背景下，为我国癌症及其他重大慢性非传染性疾病的监测与登记工作提供了有益经验和发展方向。

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 赵玉蓉 外国语学院/英语 2016/2020 201631131102 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 阮先玉 外国语学院/英语 教研室主任/副教授 语言学、翻译 四、项目简介 随着互联网的发展，机器翻译成为翻译活动中的重要的辅助工具。而机器翻译错译、死译频出，给翻译工作带来诸多不便。近年来，“大数据”的出现为机器翻译带来了新希望，其独特的“4V”特点将对机器翻译产生革命性的影响。尤其最近出现的AI同传给翻译行业带来了不小的冲击，本项目希望通过探究大数据在AI同传中的应用，分析AI同传翻译的优点和局限性，推动机器翻译的发展。

湖北中潮教育科技集团有限公司（简称“中潮教育”）是一家基于教育大数据和产教融合理念，通过教育内容研发与创新，充分利用移动互联网和信息技术的手段，打造商学类、管理类、法律类、党建类、人文类专业、职业与行业的课程体系，为各类企业、事业和政府组织建立特色化的职业技能提升学习系统，帮助社会大众提升职业素质，培养学习型组织，实现利用互联网平台传授知识、传播思想、传承文化的教育企业。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

《大数据交易应当重视和研究的几个问题》指出，为了保证交易数据来源的正当性和交易主体的合法性，为了有效克服大数据交易中的问题和风险，对于数据这种新型特殊财产的权属、开发利用及流转的特殊规律应当抓紧研究，相关制度建设要及时跟进。该报告建议从两方面入手：一是从私法角度明确数据的财产性质及其权属分配规则。在充分保护人格权和商业秘密的基础上，将数据产权按价值贡献在被采集者、采集者以及数据加工者等相关主体之间进行合理分配。二是从公法角度明确关于数据采集、加工，大数据产品的开发、流转等的监管规范。要明确数据的采集和利用不得违背公认的社会道德和善良风俗；在不损害相关主体的合法权益和公共利益的前提下，推动政府数据公开共享；禁止有可能威胁国家安全的跨境数据流动。