根据中国北京航空航天大学李伟华及其同事于2019年4月17日在PLOS ONE上发表的一项新研究，估计前50次转推中的推文传染性是预测推文是否会传播的关键。
随着在线社交网络和媒体的不断发展，了解它们如何影响我们的思想和观点的重要性也在不断提高。特别是，能够预测社会传染的传播被认为是这些社会信息网络的关键目标。尽管在传染病领域开发的模型已被用于描述思想的传播，但研究并未使用实际数据来估计信息的传染性。本研究的作者使用了大约一个月的Twitter数据 - 包括超过1200万条推文和超过150万转推 - 并根据与之相关的前50个转推的网络动态估计每条推文的传染性。然后，他们将感染性估计纳入模型衰减常数随着在线信息的老化而逐渐下降。
使用真实数据和模拟，作者测试了基于传染性的模型预测转推级联的病毒性的能力，并将其性能与标准社区模型的性能进行了比较，后者包含其他预测因素 - 如社会强化和诱捕效应这样做可以将推文级联保存在连接用户的小社区中。他们发现，对于真实的Twitter数据和模拟数据，传染性模型的表现优于社区模型，表明传染性是确定推文是否具有病毒性的更大驱动力。将这两个模型组合成一个混合社区 - 传染性模型产生了最准确的预测，突出了决定社会生死的相互作用力的复杂性。网络信息。
作者补充说：“我们提出了一个使用Twitter数据的模拟模型，以显示反映信息级联的内在趣味性的感染性能够显着提高病毒级联的可预测性。
