# 社交媒体传播建模

社交媒体的传播曲线过去要么被预设成固定的增长函数，要么假定历史影响以固定方式衰减。分数学物理神经网络把帖子互动速率写成“每帖传播潜力乘以一条共享增长律”，并用一个可学习的分数阶导数刻画历史记忆的强弱。在X的348条训练帖与86条测试帖上，把24小时窗口切成四段、每段单独训练后，模型在均方误差0.01以内重建了64%的留出轨迹，而九种经典基线中最好的Bass扩散为44%。

社交媒体的传播曲线过去要么被预设成固定的增长函数，要么假定历史影响以固定方式衰减。分数学物理神经网络把帖子互动速率写成“每帖传播潜力乘以一条共享增长律”，并用一个可学习的分数阶导数刻画历史记忆的强弱。在X的348条训练帖与86条测试帖上，把24小时窗口切成四段、每段单独训练后，模型在均方误差0.01以内重建了64%的留出轨迹，而九种经典基线中最好的Bass扩散为44%。