庄鲁贺

男，山东济南人，副教授，毕业于山东师范大学计算机科学与技术专业，获工学博士。

主要从事生物信息学、图学习、分子性质预测方向研究工作。参与完成国家自然科学基金、山东省自然科学基金、济南市科技局项目多项，取得多项授权发明专利、计算机软件著作权，获多项学术奖励。在 Knowledge‑Based Systems、Information Sciences 等 SCI 期刊及 EI 国际会议发表学术论文 12 篇。

主要科研项目：

[1] 慢性阻塞性肺疾病合并抑郁症的动态多模网络模型研究（61672329），国家自然科学基金面上项目，参与

[2] 面向电子病历动态建模的可解释深度学习方法研究（62072290），国家自然科学基金面上项目，参与

[3] 基于知识互惠增强扩散桥的药物分子生成与优化方法研究（62573277），国家自然科学基金面上项目，参与

[4] 网络威胁情报提取及威胁演化分析研究（ZR2022QF022），山东省自然科学基金青年项目，参与

[5] 基于多组学数据的药物发现关键技术研究（202228110），济南市科技局高校新 20 条项目，参与

主要科研获奖：

[1] 济南奖学金，2025 年

[2] 山东计算机学会 “浪潮新星杯” 优秀硕士学位论文奖，2024 年

[3] 山东计算机学会科学技术二等奖，2024 年

[4] 山东师范大学优秀研究生一等学业奖学金，2025 年

[5] 山东师范大学研究生数学建模竞赛三等奖，2022 年

[6] 山东师范大学优秀研究生，2023 年、2025 年

主要著作：

[1] 基于多源异构网络的预测药物之间副作用的方法及系统（已授权）

[2] 一种平台留言文本挖掘方法及系统（已授权）

[3] 基于深度神经网络的网络问政平台留言分类的方法及系统（已授权）

[4] 基于机器学习的政务文本分类、热点问题挖掘方法及系统（已授权）

[5] 基于 BERT 的智慧政务文本多分类方法及系统（已授权）

[6] 基于迁移学习的慢性阻塞性肺疾病预测系统、设备及介质（已授权）

[7] 加权多尺度有限穿越可视图辨识房颤心电信号方法及系统（已授权）

[8] 网络安全舆情数据采集系统 1.0（已登记）

[9] 高校师生应答通系统 1.0（已登记）

[10] 开放实验室预约管理系统 1.0（已登记）

[11] 宿舍管理系统 1.0（已登记）

[12] 医院管理系统 1.0（已登记）

[13] 智慧校园管理系统 1.0（已登记）

[14] 养老院管理系统 1.0（已登记）

主要学术论文：

[1] Zhuang L, Sun Y, Zhao J, et al. LLM‑enhanced Multi‑level Knowledge Distillation for Molecular Property Prediction [J]. Knowledge‑Based Systems, 2025, 328: 114195. (SCI 一区 Top，IF=7.6)

[2] Zhuang L, Wang H, Zhao J, et al. Adaptive dual graph contrastive learning based on heterogeneous signed network for predicting adverse drug reaction [J]. Information Sciences, 2023, 642: 119139. (SCI 一区 Top，IF=8.1)

[3] Zhuang L, Wang H, Zhao J, et al. Dual‑Stage Learning Framework Fusing Semantics and Physical Knowledge for Molecular Property Prediction [J]. Applied Soft Computing, 2026, 196: 115106. (SCI 二区 Top，IF=6.6)

[4] Zhuang L, Wang H, Hua M, et al. Predicting drug‑drug adverse reactions via multi‑view graph contrastive representation model [J]. Applied Intelligence, 2023, 53 (14): 17411‑17428. (SCI 二区，IF=3.4)

[5] Zhuang L, Wang H, Li W, et al. MS‑ADR: predicting drug–drug adverse reactions base on multi‑source heterogeneous convolutional signed network [J]. Soft Computing, 2022, 26 (21). (SCI 三区，IF=3.7)

[6] Zhuang L, Wang H. Drug‑drug adverse reactions prediction based on signed network [C]//2021 11th International Conference on Information Technology in Medicine and Education (ITME). IEEE, 2021: 277‑281. (EI 会议)

[7] Wang H, Zhuang L, Ding Y, et al. EDDINet: Enhancing drug–drug interaction prediction via information flow and consensus constrained multi‑graph contrastive learning [J]. Artificial Intelligence in Medicine, 2025, 159: 103029. (SCI 二区 Top，IF=6.2)

[8] Guan K, Wang H, Zhuang L, et al. Multi‑granularity physicochemical‑inspired molecular representation learning for property prediction [J]. Expert Systems with Applications, 2025, 206: 126115. (SCI 一区 Top，IF=7.5)

[9] Li W, Wang H, Zhuang L. GCNs‑FSMI: EEG recognition of mental illness based on fine‑grained signal features and graph mutual information maximization [J]. Expert Systems With Applications, 2023, 228: 120227. (SCI 一区 Top，IF=7.5)

[10] Li W, Wang H, Zhuang L, et al. Weighted multi‑scale limited penetrable visibility graph for exploring atrial fibrillation rhythm [J]. Signal Processing, 2021, 189: 108288. (SCI 二区，IF=4.7)

[11] Han S, Wang H, Li W, Zhang H, & Zhuang L. Explainable knowledge integrated sequence model for detecting fake online reviews [J]. Applied Intelligence, 2023, 53 (6): 6953‑6965. (SCI 二区，IF=3.4)

[12] Li S, Wang H, Hu T, Zhuang L, et al. MT‑DiffGen: Unifying affinity prediction and target‑aware molecule generation with a multi‑task diffusion model [J]. Knowledge‑Based Systems, 2026: 115605. (SCI 一区 Top，IF=8.0)