随着人类社会的飞速发展和科学技术的进步,人类社会已经从工业经济时代逐渐发展成为信息经济时代。社交媒体出现在Web2.0时代,并且迅速的发展,我们的日常生活充满着各种各样的网络。社交媒体被抽象为一个社交网络,可以看作是人与人之间的在线交流,并且吸引着更多的用户参与其中。用户在社交网络中通过在线交流,发布信息,会对有影响力的用户进行识别,提高信息传播的广度与深度,在信息传播、网络舆情传播控制和广告传播等方面起着非常重要的作用。如何有效地衡量用户在社交网络中的实际影响力,进一步对社交网络用户影响力进行排序已然成为了一个需要深入研究的关键问题。本文的主要研究工作包括:(1)通过在网络拓扑结构方面引入网络motif以及在用户自身特征方面引入平均表现特征因子和时间衰减度因子改进用户影响力排序方面的LR(LeaderRank)值均分以及偏向旧网页的问题。(2)引入距离度量来平衡相关性因子与多样性因子来进一步改进用户影响力排序,寻求具有最大边缘权重和的诱导子图的节点的大小k子集。相关性因子为改进后的节点对的LR值,多样性因子为节点对的对称性差异,通过距离度量进行平衡来提高用户的满意度和改善用户的体验。(3)提出了一种具有近似保证的高度可并行化的方法,来进一步改进多样性图排序。利用了距离度量,提出了一种集中线性时间近似算法来解决多样性图排序,并以该算法为基础,进一步使用框架进行高度并行化的方法来解决多样性图排序,获得多样性图排序的近似保证。针对以上的问题,我们以Twitter网络作为研究案例,对社交网络用户影响力进行排序,通过参考经典文献,使用不同的实验方法来与在相关性和各种多样性措施下的现有方法进行实验以及结果分析,实验结果明显表明了我们所改进的算法在社交网络用户影响力排序方面的有效性和效率。