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。

近年来，随着认知-启发计算、认知-启发交互和认知系统的发展，认知成为一种新的、有发展前景的研究方法。认知计算是人工智能的重要组成部分，它能够利用感知、行动、注意力、学习记忆、决策、语言处理、交流、推理、问题解决等模型，解决包含多个实体以复杂方式连接在一起的问题。以及认知的意识方面。认知计算的最大优势是它能够“理解”非结构化数据，包括语言、图像和视频。它已被证明在许多领域都是有效的。例如，IBM沃森，认知计算系统的杰出代表，深刻地改变了业务解决问题的方式和效率。因此，可以设想，基于认知计算的解决方案可以通过充分释放数据驱动css的潜力来克服现代复杂性问题中出现的挑战。因此，基于认知计算的css复杂问题解决方法的研究越来越受到业界和学术界的关注。

本期特刊的目标是为来自学术界、商界、工业界和政府的高质量贡献提供一个平台，展示数据驱动css中复杂问题的认知计算解决方案的最新进展。欢迎原创研究和评论文章。

潜在的主题包括但不限于以下内容:

• css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
• 信息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
• Cognitive-inspired计算系统
• 人工智能辅助的认知计算方法
• CSSs决策支持系统的机器学习
• 认知计算与数据科学的集成
• css非线性动力学分析的认知计算
• 认知计算在css中提高鲁棒性和弹性
• css中用于信任、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
• 新认知计算方法在数据驱动css中的应用