社交网络承载着人与人间的信息交互,见证了影响力的传播扩散,社交关系是社交网络的基本要素,类似于朋友关系、同事关系、同学关系具有强烈的社交属性,可以在局部网络中实现影响力的迅速级联扩散,其关系的确定性和有序性亦有利于预先评估影响力的传播轨迹和影响范围。在目前的社交网络建模中,绝大多数工作都着眼于正向信任关系的建模分析,而一定程度上忽略了负向信任关系,如忽视、敌对、厌恶等常见的社交关系,后者同样具有重大的研究价值。本文面向社交网络影响力最大化问题,针对以下关键技术展开了研究:针对在线社交网络真实数据集,考虑社交网络中不同类型的信任关系,研究基于信任关系的影响力传播模型建模技术;针对社交网络的结构特征与传播特性,研究基于结构效益的影响力测度技术;面向新的社交网络模型,研究新型取种算法的设计及相关技术。主要工作包括:1)结合真实社交网络数据集,提出了基于信任关系的模型假设;基于信任关系和消息扩散的特征,提出了基于信任关系的影响力传播模型;2)考察基于信任关系的影响力传播模型,讨论不同性质的信任关系和子结构及其对传播进程的影响;推导节点结构效益的相关理论计算公式和公式,提出基于结构效益的影响力评估策略;3)研究社交网络现有的典型影响力最大化问题的处理算法,总结了其设计思路与适用场景;基于社交网络的不同信任场景与前期研究的影响力评估策略,提出了三种基于不同思路的影响力最大化算法;4)基于真实数据集设计仿真试验,横向对比了既有经典影响力最大化算法与本论文所提出的算法,验证了其在运行时间、覆盖率等多维度性能表现,评估了其价值。实验仿真证明本文提出的社交网络影响力扩散模型能够更好地仿真影响力在社交网络中受限制的传播场景,而基于结构效益的贪心式影响力最大化算法相对于经典启发式算法和贪心算法具有一定的综合性能优势,可以更好地应用于真实社交网络场景中。