计算社会系统(CSSs)关注的主题包括从定量和/或计算的角度建模、模拟、分析和理解社会系统。“系统”包括人-人，人-机器，机器-机器组织和对抗情况，以及社会媒体结构及其动态。通过先进的数据处理技术(如文本、图像、视频)获取来自不同领域的各种数据，css变得越来越复杂。数据驱动的css具有非线性动力学、适应性、鲁棒性和弹性等特点。由于数据具有体积、多样性、速度、值、序列、相关性强、准确性等复杂的非结构化特征，因此对css中的复杂性问题的处理具有挑战性。传统方法存在计算复杂度高、并行度低的问题，不能满足大规模数据处理的要求。因此，在大数据时代，迫切需要一种能够更高效、有效地处理数据驱动css复杂性问题的强大方法。

最近，认知是作为一种新的和有前途的方法，以及发展认知灵感的计算，认知灵感的互动和系统。是人工智能的重要组成部分的认知计算，能够解决包含许多与知识的众多实体与感知，动作，关注，学习和记忆，决策，语言处理，通信，推理的模型相关的问题，解决问题和认知意识方面。认知计算的最大优点是它能够“理解”非结构化数据，包括语言，图像和视频。已被证明在广泛的领域中有效。例如，IBM Watson，认知计算系统的杰出代表，深刻地改变了业务问题解决的方式和效率。因此，设想通过充分释放数据驱动的CSSS的潜力来克服基于认知计算的解决方案可以克服现代复杂性问题中的新出现挑战。因此，CSSS中复杂性问题对基于认知计算的解决方案的调查是吸引行业和学术界的越来越多的关注。

这一特殊问题的目标是为学术界，商业，工业和政府提供高质量贡献的平台，该平台来自在数据驱动CSSS中的复杂性问题的认知计算解决方案最近的最新进展。欢迎原始研究和审查文章。

潜在主题包括但不限于以下内容：

• CSSS中复杂性问题的认知计算
• 社会技术系统复杂性问题的认知计算
• 网络 - 物理系统复杂性问题的认知计算
• 面向css的大数据驱动认知计算
• 认知灵感的计算系统
• AI辅助认知计算方法
• CSSS中决策支持系统的机器学习
• CSSS的认知计算和数据科学集成
• 用于分析CSSS中非线性动力学的认知计算
• 认知计算，用于提高鲁棒性，以及CSSS的抵御能力
• CSSS中的信任，安全和隐私的认知计算解决方案
• 数据驱动css的高级学习方法
• 新和新的认知计算方法在数据驱动CSSS中的应用