Bandari是和惠普实验室的两名研究员一起想到这个算法的，当时她正在惠普公司实习，她将有关这个算法的内容写成一篇文章，并且公布在今年6月份人工智能发展协会有关博客和社交媒体方面的国际会议上。

　　通过使用人工智能的分析方法，他们三人检验了与超过4万条新闻文章有关数百万条tweet及回复内容。如果算法表明一篇新闻文章为“受欢迎”， 那么不久就会有超过100条的tweet链接到该条新闻；表明为“中度受欢迎”，也会有大约20到100条tweet链接；只有表明为“不受欢迎”才会收 到少于20条的tweet回复。

　　Bandari早在加州大学和Vwani Roychowdhury教授共事时就对新闻文章是如何像病毒一样扩散传播表现出了极大的兴趣，在2010年，他们一同研究了2009年伊朗大选期间信息是如何在Twitter上传播扩散的。

　　这些早期的工作激发了她尝试预测新闻文章在Twitter上的传播力。Bandari通过对每一篇新闻文章第一手资料的分析，发现影响一篇文章 传播能力的最重要因素是文章的发布机构。某些特定的媒体机构组织似乎会将Twitter内容与他们的文章相连接，不管该文章是来自原发布者还是转发者。例 如，《基督教科学箴言报》的文章平均有16条Twitter转发，有些文章甚至都没有连接过Twitter，与此相反，科技新闻网站Mashable的文 章平均有1000条转发，即使是关注度最低的版块也有360多条转发。

　　“我们发现，文章的来源才是决定文章是否在Twitter上广泛传播的决定性因素。”Bandari说道，“在Twitter上，成功受欢迎的 消息来源可能不是你在别处所看到和你认为的那种。Mashble网站在Twitter上面发布的文章转发数比CNN的文章转发数大的多，《基督教科学箴言 报》是谷歌搜索的首要来源，可是在Twitter上几乎不见踪迹。传统占据支配地位的主流媒体例如《纽约时报》、《洛杉矶时报》和路透社在Twitter 上与TechCrunch、Mashable和Huffington Post等新闻来源网站相比就逊色多了。”

　　研究人员通过建立一种“主观分类器”的机制同时对文章进行评级，以确定文章是否使用了具有偏见或者主观性感情性的语言。他们使用保守党脱口秀主 持人的节目台词作为分析高度主观性语言的模型，同时也为自由党评论员Keith Olbermann建立了同样的模型，另外将CSPAN作为客观语言的模型。

　　不过，令Bandari惊讶的是，文章中的主观性语言并不是导致广泛传播的主要因素，不管是直白的褒贬还是充满感情的表达都没有对提高传播起到明显的作用。

　　“我不得不说真相是残酷的，有人说一些文章操纵了读者的感情因此被广泛传播，事实上并非如此，因此如果你用了过激的语言想增加曝光率和提高知名度，那其实不会起到什么作用。”