摘要: 实际工程问题的求解往往涉及跨领域、跨模态的海量碎片化知识，这些知识不能仅靠专家提供，而需要从环境中动态学习和融合生成.知识工程旨在研究计算机对知识的获取、表征和处理.随着 UGC ( User Generated Content )模式的兴起，一种新的知识工程范式——大数据知识工程应运而生. 和早期的专家系统相比，大数据知识工程的显著特点是：实现了从以文本、小规模、静态、人工方式的专家知识计算机表示，到多模态、大规模、动态不确定环境下知识的自动获取与表征的跨越式发展.大数据知识工程的核心科学问题是大数据碎片知识的挖掘和融合. 《计算机研究与发展》推出了大数据知识工程及应用专题，以促进该方向新的研究与发展.本专题得到同行的广泛关注，通过公开征文收到18篇高质量投稿稿件，这些论文阐述了大数据知识工程的重要研究成果和发展前景.特邀编委先后邀请了20余位相关领域的专家参与评审，历经初审、复审、终审等阶段，最终遴选出3篇高质量的论文入选本专题.内容涵盖了零样本学习、表示学习等大数据知识工程的关键技术，在一定程度上反映了当前国内学者在大数据知识工程的典型应用.