社交网络影响力最大化问题是对于给定k值,在网络中寻找k个节点组成种子节点集进行传播,使得最终的影响范围最大。对于这个问题,Kempe和Kleinberg等提出了有较好影响范围的贪心算法,每一步选择具有最大影响范围增量的节点作为种子节点。但是贪心算法的复杂度非常高,并不适用大型社交网络。本文中,我们利用线性阈值模型提出了一种基于节点激活阈值的社会网络影响力最大化算法。它综合考虑了节点之间的影响力和节点的激活阈值,根据每个节点在激活过程中动态变化的阈值来计算节点的潜在影响力。我们的算法分为两个阶段,在启发阶段中,每一次都选取潜在影响力最大的节点作为种子节点进行激活,在贪心阶段中再贪心地挑选那些具有最大影响范围增量的节点作为种子节点。我们通过实验表明,我们的算法在激活范围上和KK算法非常接近,而算法的复杂度则相对非常小。对于大型社会网络,我们可以完全不采用贪心算法,最后的激活范围也和KK算法非常接近,对于大型社交网络中大量的用户数据也能够在很短时间内完成计算。实验还表明我们的算法相对于HPG算法在相同启发因子c的情况下具有更大的激活范围。