互联网技术的发展已经在逐渐的改变人们的生活,社交网络的兴起使得人与人之间的联系更加方便,同时一些商家借助于网络,利用一些名人的“口碑效应”进行某产品的推广,使得该产品的影响达到最大化,这就是社会网络影响力传播最大化问题比较简单的定义。在2002年Domingos等人首次对影响力最大化问题给出比较详细的定义,在这以后影响力最大化问题逐渐成为社会网络领域的一大研究热点。学者们结合社会网络的理论分析,并根据真实网络中的传播规律,建立了各种社会网络的传播模型,并结合各种传播模型提出了各种影响力最大化的算法,用于解决社会网络中的影响力最大化问题。本文详细研究了社会网络中已有的一些影响力最大化算法及传播模型之后,针对影响力最大化算法中存在的效率和效果问题提出了一种并行社区搜索影响力最大化算法,并针对独立级联模型中激活概率不变的问题提出一种改进传播模型。本文的主要研究工作包括以下两个方面:(1)提出一种社会网络影响力最大化算法,即并行社区搜索影响力最大化算法,并搭建Hadoop环境来做实验,验证该算法可以应用于大规模社会网络,在社区上查找最具影响力节点,可以扩大影响力传播范围,然而将这种查找实现并行化,提高了算法运行的性能;(2)提出一种浮动传播级联模型,该模型随着激活节点数量的增减不断的修正激活概率使其比较符合实际的传播规律,并通过做对比实验,证明了该模型更符合实际的传播规律。