近日，我院孟凡辉博士以“Spreading dynamics of information on online social networks”为题在《美国国家科学院院刊》（PNAS）上发表了一项关于社交网络信息传播动力学的重要研究。该研究基于国内外主流社交媒体的数十亿用户传播数据，提出一个能准确描述信息传播机制的普适物理方程，解决了该领域长期存在的诸多争议。

 自人类语言诞生之初，信息传播现象便广泛存在于人类社会活动中，并深刻影响着人类集体行为。然而，与信息传播相关的行为数据通常难以获取，导致信息传播的基本规律一直未被澄清。在众多研究中，通常假定多种模型。随着在线社交媒体的普及，信息传播的方式发生了翻天覆地的变化，社交媒体已成为用户发布、传播和获取信息的重要工具。理解社交媒体中局部个体行为如何引发集体传播行为，已成为当今社会面临的重要问题之一。

      2010年《科学》（Science）杂志报道信息传播中的社会强化现象后，强化效应几乎主导了整个传播理论。然而，这一理论是基于人为设计的实验得出的，一直以来存在诸多争议。孟凡辉博士及其团队对真实社交媒体中自然生成的数据（而非人为设计的实验数据）进行实证观察，结果表明传播动力学远不止社会强化效应这种简单的情形。

图1. 社交媒体信息传播的普适方程

Science & Technology

      孟凡辉博士及其团队累计分析了数十亿用户的传播行为数据，发现社会强化效应和社会弱化效应在信息传播中普遍共存。研究团队提出一个简洁的数学模型（如上图1），该模型能准确描述不同社交平台上各种类型信息的传播轨迹，并解释领域内存在的多个争议。此外，新模型还揭示了社交网络的高聚类特性（即一个人的多个好友之间也是好友）导致信息呈现出快速、高频、小范围爆发的传播特征，这使得社交媒体在信息传播方面具有高通量和多样性的优势。

      这项工作是首次基于完整、细粒度、大规模且自然生成的真实人类行为数据，针对社交网络中信息传播规律的定量研究。由于所提出的传播方程具有高度通用性、普遍性和简洁性，或将成为该领域的经典方程，为新一轮的理论和应用研究开拓思路。

      我院孟凡辉博士为第一作者，南方科技大学胡延庆副教授为通讯作者。本项研究得到了国家自然科学基金的支持。