核心领域：数据挖掘、上下文感知计算、社交媒体与时空数据分析、垃圾评论检测、推荐系统。

主要技术方向：

垃圾评论检测：融合语言学特征（文本内容）与垃圾评论者行为特征（用户行为模式），检测罗马-乌尔都语等低资源语言环境下的虚假评论，并进行群组识别与多样化处理；

用户行为挖掘与上下文感知：通过挖掘用户桌面操作序列（鼠标点击、键盘输入、应用切换等）构建任务空间，实现桌面活动自动识别与智能任务辅助（Activity Pooler 系统）；

社交媒体与时空数据挖掘：从带有地理标签的社交媒体数据（如 Flickr、Twitter）中挖掘有趣的旅游地点与旅行序列，构建上下文感知的个性化旅游推荐系统；

推荐系统：基于用户偏好与产品评论的产品推荐，结合用户历史行为与上下文信息进行偏好预测；

移动健康应用与辅助技术：为帕金森患者设计智能手机应用，为视障人士提供听觉反馈导航（混合听觉反馈、语音/非语音切换）；

机器学习与深度学习：恶意软件检测、股票市场趋势预测、虚假新闻检测、应用成功因素分析。

工具与技能：精通 Python、MATLAB、SQL，具备大型软件开发经验（Oracle Forms、ASP、Java），熟悉数据挖掘工具（WEKA、R）及数据库系统（Oracle、SQL Server）。