信息在一个社会网络传播过程中往往会发生扭曲，这是现实生活中十分常见的事情。然而对于每一个信息发布者而言，都希望尽可能避免“信息失真”。因为信息失真可能会造成虚假信息，这样不仅不能实现传播者原本的意图，反而会带来一些问题和负面影响。　　 我们研究的问题是最大化一个社会网络中的信息真实度。这是一个鲜有学者研究的问题。在本文中，我们定义了信息真实度，并结合了之前学者研究信息传播所采用的增量机会模型，首次建立了一个合理的信息失真模型。为了平衡最优性和复杂性，我们设计一个贪婪算法的框架，其中的贪婪算法具体包括用目标值直接比较贪婪算法、基于启发式函数贪婪算法、结合启发式函数和目标值直接比较的混合贪婪算法。最后，我们在不同的网络结构中进行数值实验，验证了算法的鲁棒性。