随着互联网技术的蓬勃发展,各种在线社交媒体在网民生活所占的比重逐年上升,基于互联网的社交媒体正在潜移默化的改变着人们的生活,相比在日常生活中,用户经常更倾向于在诸如微博、微信、Twitter等社交媒体中发表自己的观点与看法。大量的时事、用户评论、以及用户间的关注,形成的虚拟社交网络中包含了海量的用户信息,吸引了很多学者开展研究,衍生出很多的研究方向,影响力最大化问题就是其中之一。影响力最大化问题是如何在社交网络中找到一些影响力较高的人,然后以这些人作为影响力传播的起始点,尝试将信息传播给尽可能多的人,其在病毒式营销、流行病控制、及评估复杂系统的级联故障等领域中有着广泛的应用。影响力最大化问题的关键是如何找到可以在社交网络将影响力传播给较多用户的那一小部分关键用户。如何选取这一小部分关键用户,目前的研究方向主要是分为两种:基于贪心策略的方法以及基于启发式的方法。前者可以获得较高的精度,但需要进行大量的蒙特-卡洛模拟,故而效率较低,后者主要利用社交网络的节点特性来快速的选取节点,但精度上丢失较多。本文的主要研究内容和创新点有:1、提出了一种新的基于社交网络的影响力最大化方法,通过合理利用了社交网络的群体特性加快运行速度,并通过结合贪心式策略与启发式策略方法的优点来保证选取合适的种子节点;2、对影响力传播模型进行了改进,本文根据节点在社交网络中的相对重要程度赋予不同的权重,并引入了节点间交互次数对影响概率的平滑处理,使影响概率随节点间交互次数与节点自身重要程度的改变而改变,实现了节点间影响概率的差异化,使影响力传播过程更贴合现实生活;3、在划分得到社区的基础上,本文在RR索引方法的基础上提出了一种选取潜在高影响力节点的方法RSRW,可以在社区中以较快的速度找到潜在的高影响力节点加入备选节点库;4、基于四个真实数据集,对比本文所提出的方法与其他方法,实验结果表明本文所提出的方法完成了在降低运行时间的同时,尽可能保证算法精度的目标。