1. 长期致力于多模态深度学习、可解释人工智能、大模型推理及其在商业、医疗等领域的应用研究，主持国家自然科学基金青年项目、科技部重点研发计划、博士后科学基金面上资助项目等多项研究课题，获上海市“超级博士后”激励计划。研究内容覆盖理论创新与实际应用两大方向。

2. 
   

一、主持项目

1. 1. 国家自然科学基金青年项目（2024.01–2026.12）
   项目名称：面向客户价值挖掘的可解释多模态深度学习方法研究
   项目简介：聚焦多源异构数据的智能理解与客户价值预测，探索可解释深度学习模型在复杂商业场景中的应用与理论基础， 推动人工智能技术在营销智能和客户关系管理中的创新应用。

2. 2. 科技部重点研发计划子课题（2021.12–2024.11）
   项目名称：工业时序数据强机理数据分析算法研究
   项目简介：针对工业设备监测与预测性维护需求，构建融合机理模型与数据驱动模型的智能分析算法， 实现工业系统运行状态的高精度识别与故障预测。

3. 3. 中国博士后科学基金面上项目（2022.12–2025.04）
   项目名称：基于层级关联约束的可解释深度学习方法及其在人机协同医疗诊断中的应用研究
   项目简介：以医学影像与临床文本数据为对象，构建具备可解释性的层级深度模型， 探索人机协同诊断的智能决策机制，促进人工智能在智慧医疗领域的可信落地。

4. 4. 广东省中医药信息化重点实验室开放课题（2021.10–2023.09）
   项目名称：面向多源多模态中医药数据的基于深度学习的疾病诊断方法研究
   项目简介：融合中医药图文、病例与药理数据，研究多模态深度学习的建模方法， 为中医药现代化与智能诊断提供技术支撑。

二、参与项目

1. 5. 国家自然科学基金重大项目（2025.01–2029.12）
   项目名称：数据驱动的国家宏观医疗政策设计理论及动态优化
   主要内容：探索基于大数据与人工智能的政策评估与优化方法， 为国家层面医疗资源配置与政策制定提供量化决策支持。

2. 6. 国家自然科学基金面上项目（2023.01–2026.12）
   项目名称：联邦学习应用实施中的数据质量风险防范与参与激励方法研究
   主要内容：聚焦联邦学习在跨机构协作中的数据安全与激励机制设计， 提升分布式智能系统的可持续性与信任度。

3. 7. 国家自然科学基金面上项目（2025.01–2028.12）
   项目名称：线上专业服务的用户交互模式研究：基于社会化感知视角
   主要内容：研究用户在专业服务平台中的交互行为特征与社会认知机制， 为智能客服与虚拟顾问系统设计提供理论依据。

4. 8. 国家自然科学基金面上项目（2020.01–2023.12）
   项目名称：基于可解释深度学习的知识挖掘方法及其应用研究
   主要内容：探索深度学习模型的可解释性原理与知识抽取机制， 推动人工智能算法向透明、可信方向发展。

5. 9. 校企合作项目（2023.12–2024.05）
   项目名称：上海钢联大宗商品可解释人工智能预测系统总体设计
   主要内容：参与大宗商品价格预测系统的总体架构与算法设计， 实现模型预测结果的可解释性与决策支持能力提升。

2024.1-2026.12，面向客户价值挖掘的可解释多模态深度学习方法研究，国家自然科学基金青年项目，主持

2021.12-2024.11，工业时序数据强机理数据分析算法研究（子课题），科技部重点研发计划，主持

2022.12-2025.4，基于层级关联约束的可解释深度学习方法及其在人机协同医疗诊断中的应用效果研究,中国博士后科学基金面上项目，主持

2021.10-2023.9，面向多源多模态中医药数据基于深度学习的疾病诊断方法研究，广东省中医药信息化重点实验室开放课题，主持

2025.1-2029.12，数据驱动的国家宏观医疗政策设计理论及动态优化，国家自然科学基金重大项目，参与

2023.1-2026.12，联邦学习应用实施中的数据质量风险防范与参与激励方法研究，国家自然科学基金面上项目，参与

2025.1-2028.12，线上专业服务的用户交互模式研究：基于社会化感知视角，国家自然科学基金面上项目，参与

2020.1-2023.12，基于可解释深度学习的知识挖掘方法及其应用研究，国家自然科学基金面上项目，参与

2023.12-2024.5，上海钢联大宗商品可解释人工智能预测系统总体设计，上海钢联，参与

• UTD Publications
• 1. Gang Chen, Lihua Huang, Shuaiyong Xiao*, Chenghong Zhang, and Huimin Zhao. Attending to Customer Attention: A Novel Deep Learning Method for Leveraging Multimodal Online Reviews to Enhance Sales Prediction. Information Systems Research, 2024, 35(2), 829-849.
• 2. Gang Chen, Shuaiyong Xiao*, Chenghong Zhang, and Huimin Zhao. A Theory-driven Deep Learning Method for Voice-chat-based Customer Response Prediction. Information Systems Research, 2023, 34(4), 1513-1532.
• Other Publications

1. 3. Xulei Jin, Lihua Huang, Tan Cheng, Shuaiyong Xiao, Chenghong Zhang*, and Yajing Wang. Uncertainty-Aware Augmented Generation (UAG): A Novel Deep Learning Method for Enriching In-Conversation User Intent Toward Improved LLM Generation, Decision Support Systems, 2025, 114558.
2. 4. Liqian Bao, Gang Chen*, Zongxi Liu, Shuaiyong Xiao, and Huimin Zhao. Predicting Reward-Based Crowdfunding Success with Multimodal Data: A Theory-Guided Framework. Information & Management, 2025, 62(4), 104131.
3. 5. 金旭磊,陈刚*,黄丽华,肖帅勇,张成洪. 大模型商业应用挑战及其管理对策:基于知识增强的应用框架. 工程管理科技前沿. 2025, 44(03): 1-8.
4. 6. Shuaiyong Xiao, Jianxiong Wang, Jiwei Wang, Runlin Chen, and Gang Chen*. On the Consensus of Synchronous Temporal and Spatial Views: A Novel Multimodal Deep Learning Method for Social Video Prediction. Information Processing and Management, 2024, 61(1), 103534.
5. 7. Qing Li, Jie Lin, Chao Wang, Shuaiyong Xiao, Xiaoyan Jiang, and Zijuan Hu. Navigating the Shifting Landscape of Multi-level User Demands: A Novel Hybrid Approach for Identifying Product Opportunities and Directions. Journal of Retailing and Consumer Services, 2026, 88, 104460.
6. 8. Jie Lin, Xueyu Liu*, Shuaiyong Xiao, and Haowen Lin. Exploring Customer Satisfaction Across Language Backgrounds: A Hybrid Framework on Multilingual eWOM. Journal of Electronic Commerce Research, 2024, 25(3), 191-208.
7. 9. Zongxiang Zhang, Gang Chen, Yunjie Xu, Lihua Huang, Chenghong Zhang*, and Shuaiyong Xiao. FedDQA: A Novel Regularization-Based Deep Learning Method for Data Quality Assessment in Federated Learning. Decision Support Systems, 2024, 180, 114183.
8. 10. Gang Chen, Xiangge Li, Shuaiyong Xiao, Chenghong Zhang*, and Xianghua Lu. RACL: A Robust Adaptive Contrastive Learning for Conversational Satisfaction Prediction. Pattern Recognition, 2023, 138, 109386.
9. 11. Shuaiyong Xiao, Gang Chen, Chenghong Zhang*, and Xiangge Li. Complementary or Substitutive? A Novel Deep Learning Method to Leverage Text-image Interactions for Multimodal Review Helpfulness Prediction, Expert Systems with Applications, 2022, 118138.
10. 12. Gang Chen, Shuaiyong Xiao, Chenghong Zhang*, and Wei Wang. An orthogonal-space-learning-based method for selecting semantically helpful reviews. Electronic Commerce Research and Applications, 2022, 53, 101154.
11. 13. 张成洪,肖帅勇*,陆天,卢向华,黄丽华. 基于校园消费数据分析大学生网络借贷行为:借款倾向、消费变化与违约风险. 系统工程理论与实践. 2021, 41(03): 574-586.