通过 Twitter 网络一月的完整跟踪，研究了信息传播的两种方式以及外部事件和因素对信息传播的影响，发现只有约 71% 的信息量可以归因于网络弥散，其余 29% 是由网络外部的事件和因素引起的。

Jun, 2012

该论文分析了在线社交网络上的人际互动机制，提出了一种更加细致的社交链展开策略。研究表明，人们跟随其他用户的方式具有高度异质性，通过将用户分类，可以总结不同的链接创造行为，进而更加高效地在网络中传播信息。

Feb, 2013

通过分析两个社交新闻站点的数据，研究表明社交网络在信息传播中发挥关键作用，网络结构影响信息流动的动力学。

Mar, 2010

通过识别节点的信息传播时间和感染情况，我们开发了一种有效的方法来追踪信息在网络中的扩散路径和网络，可以近似地解决 NP 难问题并应用于 170 万个博客和新闻文章，发现信息传播网络具有核心 - 边际结构。

Jun, 2010

研究社交媒体信息扩散的速度和范围，认为信息的新奇性、用户活动水平、注意力集中和对好友推荐的反应等因素影响信息扩散，用户的所花的最小努力与有限的注意力是信息扩散中的支配性原则，高度连接的个体不太可能传播任意推文，高连接度并不一定导致信息有效传播。

May, 2012

本文对建立于局部距离上的反应扩散方程为基础的，由真实数据集验证的数学模型展开了讨论并提出了新的发展与挑战，旨在研究层次与主题对信息传播的影响。

Oct, 2013

本文基于信息传播数据研究了推断动态网络的问题，提出一种基于随机凸优化的在线算法来高效解决，将其应用于 330 万个媒体和博客网站之间的信息传播，并实验了 179 亿不同信息在一年内的传播，发现了信息路径的演变和网络中心性等有趣发现。

Dec, 2012

本文研究了信息传播的社会传染模型，并通过对两个不同的社交媒体网站 Twitter 和 Digg 的用户响应进行比较，证明了信息暴露的位置对社会传染的影响非常大。通过考虑信息在用户界面上的可见性，可以显著简化社会传染的动态模型，并且发现信息暴露次数和主动搜索信息的概率成正比。最后，本文将该模型应用于用户行为的实时预测。

Aug, 2013

本文探讨了在社交网络的动态领域中信息传播的至关重要性，强调了信息传播模型在揭示数字时代数据传播复杂性方面的关键角色。通过阐明这些模型的深远影响，它不仅奠定了探索各种等级及其表现形式的基础，而且成为进一步研究该领域的催化剂。

Mar, 2024

本文通过应用信息传递的转移熵概念，提出了一种测量节点之间因果关系的理论基础的方法。通过分析合成和真实世界数据，证明了转移熵可以揭示有意义的隐藏网络结构，并能够区分大群体的弱影响和小团体的强影响。

Oct, 2011