当今社会,随着社交媒体的飞速发展,社交网络成为人们进行信息交流的主要场所,覆盖了人们生活的方方面面。所以社交网络影响力最大化的研究也因此受到了大家的关注,成为了当前的一个热门的研究内容。社交网络影响力最大化问题在广告投放、舆情传播等方面都有着非常重要的现实意义。当前,研究者们对社交网络影响力最大化的研究已经有了显著的研究成果,但这些研究成果都集中在单关系的社交网络中,即在研究该问题时不考虑社交网络中用户之间的复杂关系,以及社交网络中的存在相互影响的多种信息之间的关系,但事实上这并不符合当前社交网络的实际情况。所以本文从实际的社交网络入手,考虑用户间的多种关系和网络中信息之间的多种关系对社交网络中影响力传播的影响,展开了多关系社交网络影响力最大化研究,并在真实社交网络的数据集上进行实验验证了本文研究内容的可行性和有效性。本文的主要工作内容总结如下:(1)本文考虑真实社交网络中的用户之间存在的多种关系,在线性阈值模型(LT)的基础上,结合网络用户间存在的多种关系,提出了MRLT(Multi-relationships Linear Threshold Model)传播模型来建模多用户关系社交网络的影响力传播过程,并在此基础上提出基于反向可达集的MR-RRset算法,解决了传统影响力最大化算法计算性能较低的问题。最后通过在真实数据集上的实验对比,表明本文所提方法具有更好的影响力传播范围及较大的计算性能提升。(2)本文对网络中存在相互影响的多条信息同时传播的情况进行研究。基于独立级联(IC)模型,提出MI-IC(Multiple Information Independent Cascade)模型对同时在网络中传播并且存在相互影响的多种信息的传播情况进行建模。并且研究了该模型下的影响力函数所满足的包括单调性、次模性等数学特性。提出了基于MI-IC模型的影响力最大化算法,并且在真实数据集上进行试验验证,证明了考虑多信息同时传播的影响力最大化具有一定的现实意义。