近日，南方科技大学统计与数据科学系副教授胡延庆团队以“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论文。该研究基于国内外各大主流社交媒体平台上累计共74亿用户的传播行为数据，提出了一个能准确描述信息传播机制的简洁的物理方程，解决了该领域长期存在的诸多争议。

自人类语言诞生之初，信息传播行为便广泛地存在于人类社会活动中，人类群体行为和信息传播密切相关。因此，理解人类传播信息的基本规律对理解个体本性和社会群体行为的涌现具有重要意义。然而，与信息传播行为相关的数据通常难以获取，导致信息传播的基本规律一直未被澄清。在诸多重要研究中，通常不得不假设多个传播模型。

如今，线上社交媒体凭借其开放、便捷且实时沟通的优势，催生了涉及数十亿人的新型社会群体，其超强传播能力正在影响人类社会的各个方面。因此，理解局部个体行为如何在社交网络上引发全局范围的集体传播行为，是当今人类面临的最重要问题之一。

自十多年前《科学》杂志上报道了社交网络中信息传播的强化效应以来，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。胡延庆团队对现实世界中自然生成的数据（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。

社会强化效应存在一个明显的悖论——确凿证据的缺失与超大规模信息爆发的高可能性之间的矛盾，这类似于“费米悖论”。一方面，在强化效应下，曝光次数与转发概率之间存在正反馈关系，这意味着超大规模信息爆发（几乎全网络传播）应该很常见。另一方面，在团队的实证观察中，超大规模信息爆发却很少见，爆发规模与整个网络规模相比微乎其微（最多仅为0.04%）。如何解决这一悖论仍不明确。

图1 社交媒体信息传播的普适方程

胡延庆团队分析了累计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。研究团队提出了一个简洁的数学模型（图1），该模型能够很好地描述所有复杂的大规模实证传播轨迹，并解决该领域中一直存在的诸多争议。此外，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特征，对其平台生态极为有利。

该研究是首次基于完整、精细、大规模且自然生成的人类行为数据，针对社交网络中信息传播规律进行的定量研究。由于所提出的传播方程具有高度的通用性、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新思路。

中山大学孟凡辉博士、孙嘉辰博士，北京师范大学副教授谢家荣为论文共同第一作者。南方科技大学统计与数据科学系、复杂流动及软物质研究中心双聘副教授胡延庆为论文通讯作者，南方科技大学为论文第一单位。南方科技大学统计与数据科学系讲师徐匆、博士生曾钰添、深圳大学助理教授王向荣、慕尼黑工业大学博士生黄述泓、重庆师范大学教授贾韬、中国科学技术大学教授邓友金参与了该项研究。本研究得到了国家自然科学基金与广东省自然科学基金的大力支持。

论文链接：https://www.pnas.org/doi/10.1073/pnas.2410227122

供稿：统计与数据科学系

通讯员：滕悦然

主图：丘妍

编辑：曾昱雯