随着网络论文数量的快速增长,如何从大量的学术文献中查找影响力较大的k篇论文已成为数据挖掘领域研究的热点问题。因此,对学术网络影响力的最大化进行研究具有重要的理论意义和实际意义。社会网络影响力最大化已经取得了诸多的研究成果,主要包括对传播模型的改进和对影响力最大化算法的优化两方面的工作。但以往对学术网络传播模型的研究仅考虑了论文间的引用关系却忽略了论文间的链接强度。对影响力最大化算法的研究,传统的社会网络最大化方法仅关注到一个节点自身的影响强度,却并未考虑节点的不活跃出边邻居节点的影响力。针对上述方法存在的问题,我们从以下两方面对学术网络影响力最大化问题进行深入研究：(1)提出基于论文质量的学术网络传播模型。我们通过论文引用相关度来衡量论文之间的主题关联度,同时改进了基于PageRank的论文质量度量算法,并考虑高质量的论文节点对影响的传播作用,结合线性阈值模型来建立学术网络传播模型。(2)改进基于主题网络划分和网络节点潜在影响强度的传播算法。该方法通过邻居节点对影响的扩散作用给出新的启发阶段节点影响强度的度量方法,结合主题网络划分及贪心算法得到学术网络影响力最大化问题的传播算法,并对其进行了时间复杂度的分析。通过在ACM学术网络数据中的实验与分析表明,本文所提出传播模型及最大化算法的高效性和有效性。