自计算机蓬勃发展二十年以来,电子设备已经渗透进我们生活的方方面面,更加便利的网络接入使得社交网络更加普及,越来越多的人成为重度在线社交网络用户。尤其近年来,各式各样的垂直社交网络的出现,在满足了用户各方面社交需求的同时,使得信息进一步爆炸,每时每刻都有大量的信息在在线社交网络中传播。因此,掌握在线社交网络中信息的传播模式,将对我们有效处理信息,减小信息传播损耗大有益处。在社交网络(OSNs)中,各个信息不仅独立通过网络传播,而是在传播的过程中彼此进行交互。为了理解社交网络中相关联信息的扩散过程,当社交网络中有多个相关联信息同时传播时,如果他们彼此之间存在相互竞争(信息A的传播会抑制信息B的传播,或信息B的传播会抑制信息A的传播)或者合作(信息A的传播会顺带有利于信息B的传播,或信息B的传播会顺带有利于信息A的传播)的关系,如何通过已有的历史数据来预测在接下来的一段时间内各个信息在整个网络内部的总数量是如何变化的。为此我们将社交网络和具有食物链的生态系统进行了类比,信息之间的相互作用可以被视为物种之间的竞争,基于经典的动态生态系统的反应扩散模型,建立起了IDM模型。从Github和Digg上收集了两个真实的数据集,并通过实验结果证明了：相对于Lotka-Volterra模型和Fisher模型,IDM模型具有更优秀的预测性能。我们的主要贡献在于●提出假设,对于信息A和信息B,在同一个社交网络的不同子网络中,他们在传播过程中的交互关系可能不一样。●通过引入动态生物系统中经典的反应扩散模型来研究具有竞争与合作关系的多信息在社交网络中的传播过程。●通过分析IDM模型拟合出的参数,我们可以分析出信息在每个子网络中的交互关系,并利用这种关系增益我们传播信息的效率。●我们分别使用了来自Github和Digg这两个真实存在的数据集来验证IDM模型的准确性。