随着科技的飞速发展促进了互联网的不断进步,同时也促进了社交网络的快速发展,现如今社交网络早已渗透到人们生活的方方面面,但社交网络带来的大量数据也衍生了新的社会研究问题,社交网络影响力最大化就是其中之一。影响力最大化是目前社交网络中研究最热的问题之一,但仍然存在着疑难问题如舆情源头监测,市场营销代理商的选择,水质源头监测等,在精准度和时间成本方面需要改进。本文的研究重点在节点数据属性的处理和建模方面,然后通过模拟社交网络中各节点影响力最大化的传播,并结合IC模型快速定位最具影响力的节点位置。该方法主要是定义了节点间存在的吸引力来进行增量式累积,旨在利用累积的影响力计算节点间的影响概率,以此提高寻找主要节点的精度和速度。本文的主要工作如下:首先,在研究社交网络影响力最大化中,节点和节点之间的属性关系存在重合,在计算过程存在重复计算问题,本文会通过重叠社区的划分标记出重叠节点,提高搜寻节点的精度。然后,在初步处理过的网络节点中定义两点属性:节点自身吸引;节点间累积传播力。通过两点属性本文提出基于节点增量式传播扩散来整体提高搜寻节点的精度。再者,针对时间成本问题引入高斯扩散模型,以此来提高实验模拟的时间成本。最后,本文利用两个不同的数据集进行实验。结果表明本文提出的算法模型可以在精度和速度方面得到提升。