随着在线社交网络的发展,社交平台下的用户群体也日渐壮大。新浪微博平台注册用户接近四亿,活跃用户超过一亿,是目前国内最大的微型博客社交平台。用户可以发布微博来分享信息,其它用户也可以通过评论或转发来对信息做出反馈。庞大的用户群体使得在新浪微博平台上有诸多类似于广告营销的应用。如何将微博下的社交网络特点利用起来,高效地进行广告营销,是一个很有研究价值的问题。构建社交平台上的用户影响力传播模型,利用用户的影响力,可以对营销效果作出优化,具有现实的应用价值。本文以新浪微博为对象,构建社交网络用户影响力传播模型,对用户间影响关系和用户影响力的传播展开研究。本文主要贡献如下:1.提出关于用户影响力传播的Inf-embedding模型。该模型包括数据预处理、影响概率计算以及影响力传播三个主要模块。在数据预处理部分,本文利用极大似然估计对新浪微博下评论用户数据缺失的问题进行处理。在影响概率计算部分,根据新浪微博的社交网络特点,提出了用户表征学习算法,同时利用转发和评论两个动作来捕捉用户之间的影响关系,使得用户之间的影响关系被更准确地预测估算。在影响力传播部分,本文以独立级联模型作为基本模型,结合新浪微博的信息传播特点,模拟用户影响力传播的动力学过程,最终可以预测得到用户影响力传播的结果。2.基于新浪微博的真实数据集,本文在实验部分从影响关系检测和影响力传播两个方面对Inf-embedding模型进行了性能验证。论文将Inf-embedding模型与现有的DTIC-Jaccard模型及DTIC-Credit模型进行了详细地比较和评估,在精确率、召回率、F1等指标上本文所提模型都优于现有模型,表明Inf-embedding更适用于新浪微博社交网络用户影响力传播估计。3.设计并实现了基于用户影响力的营销策略系统。用户可以通过上传目标社交网络的数据,来获得关于该社交网络的营销建议。系统功能包括数据上传及参数设置,社交网络构建及可视化,用户影响力可视化,营销策略建议,营销结果预测等。在社交网络构建及可视化模块调用了Inf-embedding模型的数据预处理部分,使得该系统能够在数据缺失的情况下构建起社交网络。在用户影响力可视化及营销结果预测中调用了Inf-embedding模型的影响力传播部分,使其可以通过模型来模拟出关于营销的预期结果和用户的影响力。通过该系统,使用者可以利用社交网络用户影响力来进行更可靠和高效的营销。