数据内容理解与数据融合主要包括以下五个方面：（1）多模态数据的获取，即研究多源异构大数据的精确感知和高效获取算法，建立实时智能收集主题相关的大数据的感知和获取框架。研究兼顾精度和性能的大数据获取算法，分析数据获取算法的精度、稳定性与数据规模的关系，从而构建非结构化异构数据的高效的结构化方法。（2）多模态数据内容理解，研究面向知识图谱的领域知识迭代式获取方法，实现对特定领域中特定主题及其情境的抽取；研究基于本体和大众分类的语义标注、链接本体的协作关联推理和语义浮现技术，结合社交网络探索新型的数据链接方法，以语义网作为语义的核心载体，可以通过众包的方式，借助群体智能来分析和理解互联网上的各种信息。（3）多模态数据存储与云计算，探寻有效的数据存储和海量数据的管理技术，研究高效的去重去冗机制和方法、高效的压缩浓缩机制和方法、高效的遗忘与删除机制和方法,清理掉重复、冗余、无用的和过时的数据，尽可能大地提升存储空间利用率。（4）多源异构数据融合的全局模式构建结合大数据的异构性、冗余性和相关性等特性，研究大数据的数据融合和集成方法，研究适合大规模本体的概念层匹配的单目标与多目标全局优化模型，以及实例层匹配的全局优化模型。（5）数据融合中的数据安全，基于对数据融合中安全态势的分析，构建数据安全智能决策支持系统，设计数据存储、传输、隔离、恢复等安全策略，保障数据存储与应用安全。开展数据融合过程中安全关键技术研究。