随着互联网和Web2.0的发展,社交影响力研究已经在市场营销、产品推广、信息监控、控制病毒传播等领域取得了广泛的应用,因此,社交影响力分析在很多领域都具有重要的研究意义。如今各种社交网站的迅速发展为社交网络的研究提供了大量真实数据,如何快速有效地挖掘重要用户并影响更多的人成为一个亟待解决的问题。本文主要基于用户在二阶邻居范围内,从两个方面对社交影响力进行分析,一是影响力度量排序问题,另一个是影响力最大化传播问题,主要研究内容如下:首先,从影响力排序问题和影响力最大化问题上介绍了国内外的研究现状,描述了社交网络和复杂网络的定义和相关概念,以及社交网络的理论基础,并简单概括了社交网络未来需要深入研究和探索的方向。其次,本文提出了一种节点影响力排序算法PSNR,该算法基于二阶邻居范围,解决了度中心性算法、PageRank算法和混合式算法在启发阶段没有考虑到的两个问题,即:网络中存在的末端节点,比如“僵尸”用户;用户粉丝的粉丝拥有更大影响力的情形,使有影响力节点的选择更具准确性和真实性。再次,在研究影响力最大化问题上,本文提出了改进的混合式算法OHG,该算法针对贪心算法和混合式算法的不足,在启发阶段改变了种子节点选择的策略,在贪心阶段采用了一种新的方法,从而在解决影响力最大化问题上更准确,运算更高效。最后,本文在真实社交网络数据集上,对两个算法与传统算法进行实验,通过对比分析,验证了其准确性和高效性。