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）。
专家详情：
【重要履历】获浙江大学计算机科学博士学位，获英国谢菲尔德大学信息系统硕士学位（优等学位）。其学术生涯始于NUST任讲师与助理教授，后加入 COMSATS 后创立并领导知识发现与数据挖掘（KDDM）研究组。拥有逾 20 年教学科研经验，并在英国利兹都会大学和英国电信（BT）积累了五年工业级软件开发经验。
【技术能力】专长于数据挖掘与上下文感知计算，核心领域包括：垃圾评论检测（融合语言特征与用户行为模式）、用户桌面行为挖掘与智能任务辅助、社交媒体与时空数据挖掘（旅游推荐系统）、推荐系统、移动健康应用与辅助技术（视障人士听觉反馈导航）。熟练掌握 Python、MATLAB、SQL 及 Oracle Forms、ASP、Java 等开发工具，精通数据挖掘与机器学习算法，并具备大型软件系统开发的项目管理经验。
【标志性成果】已发表 26 篇期刊论文（含 Data & Knowledge Engineering、Knowledge and Information Systems、International Journal of Geographical Information Science、International Journal of Human-Computer Interaction 等期刊）、9 篇会议论文（含 CIKM、WWW、AAAI）及 2 篇专著章节，Google Scholar 引用 900+（h-index 13）。其合作论文获 Data & Knowledge Engineering 期刊 2018 年度最佳论文奖。作为 PI 已完成 HEC 科研基金项目（39 万卢比），并作为 PI/Co-PI 提交了 3 项新基金申请（总额逾 2300 万卢比）。指导完成了 2 名博士、16 名硕士及 50 名本科生的研究，目前在指导 5 名博士生。教学反馈持续超过 95%，并多次获研究生产力奖及优秀教学荣誉。担任多个国际会议程序委员及 FYP 竞赛评委（IGNITE、Intel 科学展），并承担了论文与基金的外部评审工作。