近日，中国石油大学（北京）经济管理学院杨弦教授以第一作者身份，在国际顶级期刊《MIS Quarterly》（UTD24期刊）上发表题为“Intelligent Approach to Discovering a New Functional Model Quantifying the Long-Tail Distribution of Online Markets”（https://doi.org/10.25300/MISQ/2026/19632）的研究成果，合作者还包括清华大学林志杰教授和纽约城市大学Yuanfeng Cai教授。《MIS Quarterly》是信息管理领域排名第一的顶级期刊，属于UTD24（国际商学院前24本顶级期刊）之一，也是FT50（《金融时报》评选出的50本商学院顶级期刊）之一，该期刊被我校列为国际一类顶级期刊。

研究成果核心在于提出了一种融合遗传编程与两阶段剪枝的模型智能发现框架（GPTP），是一种典型的白箱模型智能构建方法。它不依赖领域专家对模型结构的预先假设，而是让AI算法在符号空间中自动搜索、进化并筛选出以显式方程表达的数学关系，实现了对海量业务数据中行为规律的智能发现，输出的模型结构透明、可解释，有效克服了传统机器学习黑箱模型缺乏可解释性的壁垒。团队将该方法应用于长尾规律的模型发现，基于对148个产品类别、203,994个商品项的线上线下真实销售大数据分析发现，传统幂律模型对线上市场销售分布的“长尾”特征拟合效果不佳。而利用本研究的方法，团队发现了一个全新的“自然幂律模型”（Natural-Power-Law Model），该模型在线上数据中的覆盖率、精度显著优于传统幂律模型，能够更准确地刻画头部商品销量较低、尾部商品销量较高的长尾特征，为精准量化在线市场的“长尾分布”提供了全新的数学函数模型。

该研究提出的方法具有可解释性强、自动化程度高、普适性广等特点，为信息系统领域从复杂多类别业务数据中挖掘可解释的规律性函数模型提供了方法支撑。同时，该研究成果在理论上为在线市场销售分布提供了更精确的函数表达，也为零售商利用公开排名数据估算竞争对手销量、评估市场份额以及制定营销策略提供了实用工具。

杨弦，经济管理学院教授、博导，校优秀青年学者。长期从事大数据分析、消费端碳排放、消费者行为等相关研究。主持国家自然科学基金面上项目、青年项目等多项；近年来以第一作者在《MIS Quarterly》、《Nature Food》、《Decision Support Systems》、《iScience》、《管理科学学报》等国内外A类学术期刊上发表论文多篇；以第一发明人获得发明专利授权、软件著作权授权等多项；研究成果被国家基金委官网首页宣传报道，并被《中国科学报》《中国日报》、新华网、华尔街见闻、Carbon Brief等多家媒体采访或转载报道，单篇报道阅读量超40万+。政策建议报告被国家相关部委采用。

（审核人：赵晓丽）