主要研究方向包括知识挖掘、知识图谱、复杂网络等，聚焦于大规模数据中的知识获取、结构建模与智能推理。具体研究内容如下：
知识获取与认知计算
基于深度神经网络与自然语言处理技术，突破非结构化数据的语义理解瓶颈，研发多模态知识抽取、融合与表示学习方法，构建适应垂直领域的知识获取框架。
图数据建模与复杂网络分析
创新图神经网络架构与动态图表示学习算法，针对社交网络、生物网络等复杂系统，开发具有可解释性的关系挖掘与结构演化预测技术，支持推荐系统、社群发现等应用。
知识图谱构建与推理决策
研究领域知识图谱的自动化构建与动态演化机制，结合符号推理与神经网络方法，建立知识验证与逻辑推理技术体系，为智能问答、风险预警等场景提供决策支持。