开源度量学
开源度量学致力于构建系统化指标体系，衡量开源项目的活跃度、影响力、可维护性与社区协同效能。研究聚焦于开源软件质量评估、开发者行为分析与项目生命周期建模，支持更精准的项目推荐与合规管理。
智能驾驶
智能驾驶融合计算机视觉、深度学习与传感融合技术，实现车辆对环境的感知、决策与控制。研究方向涵盖车载多模态情绪识别、人车交互、驾驶行为建模等，助力智慧出行与人本安全系统建设。
开发者网络推荐
该方向研究如何基于开发者行为数据与协作网络结构，构建高效的开发者—项目推荐机制。核心包括图建模、链路预测与兴趣建模，旨在提升协作效率、促进开源社区繁荣与技术传播。
时序数据信息挖掘
聚焦动态环境中多源时间序列数据的建模与分析，研究内容包括非平稳时间序列预测、异常检测与模式识别等，广泛应用于金融监控、工业设备预测维护与智慧城市感知系统中。
多维数据补全与异常检测
面向高维、异构或不完整数据环境，研究低秩建模、张量分解与深度学习融合方法，提升缺失数据补全与异常点识别的精度与效率，广泛应用于医疗、交通与传感网络等场景。
图神经网络理论研究与应用推广
该方向聚焦图神经网络（GNN）的结构设计、表达能力分析与泛化理论，同时推动其在推荐系统、社交网络、生物信息与交通建模等领域的实际应用，强化模型可解释性与计算效率。
