随着微博、微信等大型社交网络的快速发展,社交网络已成为人们相互交流的重要平台,同时这些社交平台中各个用户之间的联系和沟通构造成了社交网络。根据从众原理,影响力大的用户节点很容易对普通用户节点产生影响。于是商家借助社交网络进行的“社会营销”得到了快速发展。目前,对于如何找到影响力较大的用户节点的影响力最大化问题已经有了一些相对成熟的模型和算法;但仍存在着影响力传播不准确和算法运行效率不高,社交网络中节点删除后如何有效地寻找后继节点的问题。(1)提出了一种基于拓扑势的影响力最大化算法。有效解决了现有算法影响力扩散不准确和算法运行效率不高的问题。首先,基于拓扑势理论,确定节点位置;然后,采用启发式的方法构成候选种子集;最后,采用CELF(Cost-Effective Forward)算法确定最优种子集。另外根据SNAP网站提供的Ca-AstroPh等数据集进行了影响力扩散范围和算法运行时间的实验。实验表明,基于拓扑势的影响力最大化算法使影响力传播更准确的同时提升了算法运行效率。(2)提出了一种基于模拟退火算法的后继节点选择算法。有效解决了现有社交网络中节点删除后如何寻找后继节点的问题。首先,考虑了部分种子节点不愿意传播信息的情况下后继节点的影响,以减少由于某种原因从网络中删除种子所带来的经济损失;然后,选择最大度数节点和已删除节点的邻居作为候选种子;最后,利用模拟退火算法来寻找由后继种子和原始种子组成的最有影响力的种子集。另外根据SNAP网站提供的Email-Enron等数据集进行了影响力扩散范围和算法运行时间的实验。实验数据表明,该算法在节点删除的情况下,保证了影响力传播的精准度和算法的运行效率的同时减少了删除节点带来的损失。(3)实现了影响力最大化算法在Y公司的营销管理系统中的应用。采用面向对象和UML建模等技术,对系统进行了设计,给出了类图,架构图,时序图,数据库设计图等关键模块模型图。系统展示影响力较大的部分用户,以此选定营销人员来分享平台的美妆产品从而带动销量。