通过对医学研究论文中信息传播的模拟与研究，发现迭代式摘要具有虚假扭曲的负面影响，而在迭代摘要过程中产生高质量摘要可以减少信息失真。此外，该研究还发现提取式摘要比生成式摘要更少受语义失真的影响。

Feb, 2019

本研究提出了一种信息理论措施，称为内容转移，可直接量化一名用户对另一名用户内容的影响力，该措施能够捕捉到非平凡的预测关系，即使对于未在追随者或提及图表中连接的用户对也是如此，因此可以使大量以前未被充分利用的社交媒体内容可供严格的统计因果分析。

Aug, 2012

通过研究基于深度语义特征的跨媒体科技信息数据检索系统，以适应科技学者日常检索需要的发展趋势，以及适应国内外技术的发展方向，从而有效的检索跨媒体科技信息数据，这是目前传统科技信息检索系统所无法满足的。

Apr, 2022

本研究提出一种信息论度量方法对时间演化系统间的统计相关性进行量化，通过迁移概率的适当条件化排除共同历史和输入信号对信息交换的影响，从而得到的传输熵可以区分驱动和响应元件，并检测子系统间的不对称性。

Jan, 2000

本文综述并分类信息流行度预测方法，包括特征工程、随机过程、图表示和基于深度学习的方法，并总结了现有研究的优缺点以及该领域的挑战和机遇。

May, 2020

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

本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感模式。这项研究成果有助于改善在线社交媒体内容的生成与传播方针。

Jun, 2015

本文通过一项大规模定量研究，探究了信息过载在社交媒体以及特别是 Twitter 中的影响，并通过时间戳数据揭示了社交媒体用户信息处理的关键特性和信息处理速率，以此推断用户是否受到信息过载的影响。研究发现，最活跃和最受欢迎的社交媒体用户往往是过载的，而接收信息的速度也会影响用户的信息处理行为和社交散布的传播效果。

Mar, 2014

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

为了使模型更加易用，我们提出了一种基于信息瓶颈的知识蒸馏方法 IBKD，通过最大化教师模型和学生模型的最终表示之间的互信息，并减少学生模型表示和输入数据之间的互信息，以保留重要的学习信息并避免过拟合的风险，从而有效地在文本表示和下游任务中应用。

Nov, 2023