本文研究在线社交网络中的信息传播，包括在一项大规模实地实验中，随机暴露于关于朋友信息分享的信号的 2.53 亿名受试者，发现那些接受信号的人更有可能更快地传播信息。同时，研究了强弱关系在信息传播中的作用，发现尽管强联系人更有影响力，但更丰富的弱联系人负责传播新信息。这表明，弱联系人在网络信息传播中可能比当前认为的更占主导地位。

Jan, 2012

通过两个实验，我们发现被暴露在他人的观点和置信度后，参与者在回答实际问题时会修改其初始判断，建立了一个描述相互作用中同伴影响强度的影响力图，并且识别了两个主要的意见吸引子，即专家效应和多数效应，这些发现对于理解公众舆论形成的机制以及管理存在自信且信息更好的少数派挑战大多数人看法的情况具有重要意义。

Nov, 2013

本文提出基于 EXP-SEA 的集体决策模型，支持对搜索引擎广告中集体行为的实验研究，发现社交媒体对搜索引擎广告产生影响，并探讨竞争程度和策略出价行为对市场绩效的影响。

Mar, 2022

通过应用源自物理学和社会心理学的理论框架，本研究检验了消费者行为的复杂性，提出了一种创新的方程式，捕捉了广告支出与消费者反应之间的关系，强调了营销效果、反应敏感性和行为敏感性等关键模型参数在影响消费者行为中的重要性，并探讨了广告商和营销人员的实际意义以及限制和未来研究方向。综上所述，本研究为理解和预测消费者对广告的反应提供了一个全面的框架，对于优化广告策略和分配资源具有重要意义。

Apr, 2024

通过一个数学模型研究了基于流行度和社交关系的推荐系统。结果表明，在一些普遍的条件下，市场总会收敛到一个稳定状态。通过实验进一步证明，实际社交网络中的社交图表现出一定的防止市场失真的作用，即使存在高度具有影响力的用户。

Jul, 2016

本研究探究社交解释在音乐推荐系统中的影响，通过实验探究社交信息在用户决策中的重要性，并提出概率模型和推荐框架，以更好地利用外部信息元素。

Apr, 2013

通过实验证明展示同伴的视觉注意区域可以提高学生在线课程视频观看的专注度和参与度，但是学生仍然保留按照同伴注意引导的适应性。综合来看，由同伴引导的注意力可以改善学习体验和结果，这些研究结果增进了我们对同伴对学习的影响以及如何利用同伴注意建模设计自适应在线学习干预措施来优化学生的专注度和成功的理解。

Dec, 2023

本文研究社交图中相互关联的代理之间的因果影响，并考察社交学习模型和分布式决策协议的动态性，推导出表达式以揭示代理之间的因果关系并解释网络中的影响流动。结果依赖于图的拓扑结构和每个代理对于所解决的推断问题的信息水平。基于这些结论，本文提出了一种算法来评估代理的整体影响力以发现高度有影响力的代理，并提供了一种从原始观测数据中学习必要模型参数的方法。通过综合考虑合成数据和真实的 Twitter 数据，验证了结果和所提算法的有效性。

Jul, 2023

本文研究人类在社交互动中感知和行为的变化，采用预测编码理论为基础的人工神经网络训练，发现修改感官信号及先验信号的精确度可模拟社交与非社交实验中的行为数据，并且分析神经网络的活化痕迹，发现社交环境下信息编码方式与个体环境有本质差异。

Mar, 2022

研究了链接推荐对社交网络的影响，并采用基于模拟的方法考虑显式动态形成模型对链接推荐会对网络演化产生怎样的影响以及它是如何影响网络结构形态，并在长时间维度上展现了相对较强的影响力，此外也提到了它产生的间接影响，这些影响在推荐关闭后仍然会持续影响网络进化。

Mar, 2023