在线社交媒体与人类上网行为中数据的可用性,为探索更大范围内人类网络文化活动和社会现象创造了前所未有的机遇。在这种情况下,最具挑战性的问题之一就是研究思想、信息、知识和谣言等一系列模因的扩散演化动态。并且在扩散演化过程中,只有少数思想、信息得到广泛的传播,哪些特征使这些“少数”取得成功,这些成功的模因如何演化。针对以上问题,本文主要工作如下:1.针对在线用户行为数据,使用基于代理的互联网模因扩散演化模型,即OUBD(Online User Behavior Data)模型,探索互联网模因演化机制。结合信息熵理论,在数据采集时间内采用用户熵与整体熵方法,量化用户注意力与整体信息多样性的关系;使用最大信息路径相似性度量、条件概率以及Pearson相关系数等方法分析用户记忆性(兴趣)与用户互联网在线行为的相互作用;对实验数据的统计特征:模因生命周期、模因流行度与用户活动进行概率分布规律探索;在上述三个问题的基础上,提出OUBD模型,模型包含记忆机制与代理工作方式,最后分析模型中互联网模因竞争程度对互联网模因统计特征的影响。2.提出了互联网模因流行度发展演化的内因之一即互联网模因相似性,通过Latent Semantic Indexing算法与Jaro-Winkler Distance算法,分别计算互联网模因标签与互联网模因内容的相似度;将两者线性组合后实现互联网模因之间的单一定量估计;基于Spearman相关系数等方法分析互联网模因相似度与流行度演化的关系。3.研究发现:无论互联网模因多样性如何变化,用户的注意力广度基本保持不变;用户的记忆性(兴趣)显著影响用户未来的行为;实验数据的统计特征分布呈现Zipf律特征且异质性较大;OUBD模型中的竞争程度是导致统计特征在互联网模因演化过程中发生异质性的原因之一;部分互联网模因的相似度与其流行度演化有着强相关关系。