消息分享对个人和群体都很重要,人们之间的情绪和行为都可以通过消息分享进行传播。对于身心不成熟的大学生来说,他们更敏感、更容易受到谣言等非正常信息的影响。学生之间的友谊关系是消息分享过程中不可或缺的一部分,结合友谊网络探索学生之间的消息分享规律并且对消息分享关系进行预测,能够对一些行为异常、性格孤僻的学生进行识别,可以帮助高校管理者对学生提供更好的个性化指导意见。然而,目前国内外学者的研究主要集中在Facebook和Twitter等大型在线信息共享网络上,而没有对校园消息分享网络进行概述,未能为校园日常管理提供任何参考。在此背景下,本文首先从面部和心理角度,结合友谊网络分析学生之间的消息分享规律,主要利用网络科学、统计学等相关理论知识。基于分析结论,本文第二个工作进行了其他拓展实验对校园消息分享关系预测,使得框架适用于大规模高校学生,提出了一个基于多模态数据生成校园消息分享网络的预测框架,称为ANSWER（c Ampus i Nformation di Ssemination net Work g Ene Ration）。ANSWER的构建分为四个步骤:卷积自动编码器提取学生的面部特征、行为数据构建友谊网络、网络表示学习在低维向量空间中嵌入异构信息、使用深度学习模型进行关系预测。利用两种不同的标签对模型进行训练,分别得到好消息分享关系预测框架ANSWER1和坏消息分享关系预测框架ANSWER2。通过大量的实验分析结果表明,友谊网络与好/坏消息分享网络有着紧密的联系,相似但不一致;并且他人的心理和面部特征能够很明显的影响一个人的判断,从而影响消息分享的人选。实验结果也表明本文提出的消息分享关系预测框架ANSWER,在多特征融合和消息分享关系性能预测方面优于其他方法。