飞速发展的社交网络给人们带来便利的同时也带来了大量数据,其中社交网络影响力最大化就是这些数据所衍生的一个研究方向。它旨在选择最活跃的节点作为初始种子节点,经过多轮传播,最终激活更多的节点。本文主要从两个不同的研究角度出发,研究社交网络影响力最大化问题。本文研究内容如下:(1)提出了一种基于邻居节点传播概率不确定性的影响力传播模型。在现实的社交网络中,用户的相互影响不断动态变化,用户之间的传播概率随着相互影响也在不停地改变,所以很难去定义用户之间的传播概率,因此需依照现实情形对网络中的传播概率进行度量。本文考虑到邻居节点传播概率的不确定性,融合了基础的IC模型并且结合了贝叶斯定理,对传播概率做了一个累加,做出了相应的改进,通过在数据集上的实验表明了文中改进模型的优势。(2)提出了一种基于邻居节点的潜在激活能力的影响力最大化算法。算法部分基于网络的拓扑结构和网络中的潜在价值用户进行交互的信息,来衡量用户的潜在激活能力。算法的实验在两个数据集上进行了验证。结果表明,本文提出的算法可以达到预想的效果,验证了本文的想法是有效合理的。最后,将本文所提算法进行可视化实现,主要包括拓补图构造和种子节点选择,形象地展示了社交网络中影响用户的过程。