由于网络范围的不断扩散,社交网络具有了动态的特性。动态的社交网络满足了人们的不同需求。学者们也从不同的角度对社交网络相关的问题进行了探讨和研究,从而引出了影响力最大化一个非常具有实用性质的热门话题。影响力最大化的定义是选择6)个节点,使得源信息在社交网络中最大范围地传播。由于传统的影响力最大化并没有考虑社交网络的动态特性,这样的影响力最大化并不具有准确性。社交网络中的动态影响力最大化是指在考虑网络的动态特性,选取出最准确的种子节点,再进行相应的传播,从而使源信息更为广泛的传播。本文对社交网络中的动态影响力最大化问题进行了深入的研究,主要包括以下两方面。首先,用户地理位置的变化导致社交网络的动态性。社交网络中的大部分用户携带智能手机来分享自己的地理位置。因此,存在对社交网络中的用户来推广地区广告的新兴需求,其中目标用户位于由广告商指定的空间区域中。为了满足这一新兴需求,我们需要检索特定区域而不是整个网络中具有最大影响力的种子集,这是传统影响力最大化算法无法实现的。然而这个区域的用户并不是一成不变的,会随着位置的改变而导致区域内的社交网络动态化,因此区域内的动态影响力最大化问题成为了我们关注的焦点。本文提出了基于区域的动态影响力最大化算法,该算法具有NP难特性和单调子模性。在具有真实位置的社交网络数据集下进行实验,验证了本文提出的基于区域的动态影响力最大化算法在运行效率和准确率上高于现有的基于位置的影响力最大化静态算法。其次,在现实生活中,商家往往需要对产品进行宣传。但现有的影响力最大化的算法并没有考虑到主题因素,用户对不同主题的喜爱程度是不同的。因此只有选择出对目标主题非常感兴趣的用户,才会使该产品的影响力传播更为广泛。然而每个人的兴趣并不可能一成不变,对不同主题的兴趣系数也不断的改变。因此,本文提出了基于主题的动态影响力最大化算法。该算法在基于主题的传播模型下具有NP难特性以及函数的单调子模性。基于主题的动态影响力最大化算法首先根据目标主题对数据集进行筛选。然后使用元组对节点的主题信息,兴趣向量进行存储,并选取出种子节点,并通过主题传播模型进行影响力传播。当筛选后的集合内的节点以及节点的主题进行变化时,实时更新元组,确保能够选出最具有代表性的种子节点。实验结果表明本文提出的基于主题的动态影响力最大化算法在效率性和准确性优势明显。