（1）融合主题模型和协同过滤的多样化移动应用推荐
该论文由信息学院何军教授和杜小勇教授指导，发表于2017年第3期《软件学报》。中国引文数据库他引63次，下载983次。
该论文探讨了融合主题模型和协同过滤模型的多样化应用个性化推荐方法。为了将多种信息融合，改善长尾应用行为信息不足，准确地表示用户兴趣，首先改进了两种推荐方法，提出了将用户的主题模型和应用的主题模型与MF相结合的LDA_MF模型，以及将应用的标签信息和用户行为数据同时加以考虑的LDA_CF算法。为了结合不同算法的优点，在保证推荐准确率的条件下提升推荐结果的多样性，提出了融合LDA_MF、LDA_CF以及经典的基于物品的协同过滤模型的混合推荐算法。使用真实的大数据评测所提推荐算法，结果显示，所提推荐方法能够得到推荐多样性更好且准确率更高的结果。
（2）社交网络环境下基于信任的推荐算法
该论文由信息学院朱青教授和王珊教授指导，发表于2017年第3期《软件学报》。中国引文数据库他引60次，下载1192次。
该论文针对现有信任推荐算法的用户单一和同质、没有充分挖掘信任关系信息，且相似关系和信任关系的融合缺乏高效的模型等问题，提出一种基于信任的推荐算法。首先，结合全局信任和局部信任，并利用信任的传播性质对信任关系进行建模；然后，设置推荐权重，综合考虑相似度和信任度来构建用户间的偏好关系，筛选出邻居；最后，将基于记忆的协同过滤思想和社交网络的信任关系融入概率矩阵分解模型，同时使用自适应权重动态决定各部分的影响程度，形成高效、统一的可信推荐模型Trust-PMF，该算法在FilmTrust、Epinions这两个数据集上与相关算法做了对比验证，结果证实了该算法的高效性。
（3）群智感知激励机制研究综述
该论文由信息学院陈红教授和李翠平教授指导，发表于2016年第8期《软件学报》。中国引文数据库他引80次，下载2113次。
该论文对近年来群智感知激励机制方面的研究工作进行详细综述。群智感知作为一种新的感知环境、收集数据和提供信息服务的模式，已经成为当前的研究热点之一。激励机制是群智感知研究中的一个重要问题，即通过设计合理的激励方式来激励足够多的参与者参与感知任务，并提供高质可靠的感知数据。论文首先概述群智感知和群智感知激励机制，然后从关键技术入手介绍4类主要激励方式和6类核心研究问题，最后对现有工作进行对比分析，总结研究挑战，指出未来发展方向，为相关研究人员提供有价值的参考。
（《软件学报》2018年高影响力论文）
（《软件学报》创刊于1990年，由中国科学院软件研究所和中国计算机学会联合主办，刊登计算机软件各领域原创性研究成果，是中国计算机学会推荐A类中文科技期刊。该期刊主要面向全球华人计算机软件****，致力于创办与世界计算机科学和软件技术发展同步的以中文为主的”中文国际软件学术期刊”，为全球华人同行提供学术交流平台。为表彰作者发表高质量学术论文，《软件学报》从2020年开始发布高影响力论文，即前两年的论文在统计年被引用次数最多的前5%论文。文章部分内容转载自《软件学报》官网。）
