随着移动通信技术的发展,移动互联网应用快速普及,社交网络成了人们传播和分享信息的重要途径。影响力最大化问题具有很强的实际应用价值和科学研究意义,是社交网络研究中的重要基础问题之一。现有研究工作大都在经典信息传播模型上展开,而实际应用中则需要从多种不同维度扩展经典的信息传播模型,这方面的研究工作尚不充分。本文从动态影响力、隐私保护、目标导向、网络结构四个不同维度出发,分析社交网络中用户间影响力形成和变化的不同因素,研究对应的影响力最大化问题。本文的主要工作包含如下内容。（1）考虑时间和空间因素导致社交网络中用户影响力动态变化的情况,研究支持影响力动态变化的影响力最大化问题。时间和空间是决定用户间影响力动态变化的两个典型因素。首先,针对该情况提出了新的信息传播模型并形式化定义了对应的影响力最大化问题;然后,分析了该问题的计算复杂性,并基于贪心策略设计了近似比为1-1/e的近似求解算法;最后,利用公开数据集上的实验验证所提出算法的有效性和高效性。（2）考虑社交网络中信息传播过程对隐私保护的实际需求,研究支持隐私保护的影响力最大化问题。首先,提出了一种基于用户与信息之间的上下文关系的隐私信息描述机制;然后,提出了新的模型描述隐私保护需求下的信息传播模式,并形式化定义对应的影响力最大化问题;进一步,分析了该问题的计算复杂性,证明该问题是NP-难问题,并且设计了近似比为1-1/e的近似求解算法;最后,利用公开数据集上的实验验证所提出算法的性能。（3）考虑社交网络中对于定向信息传播的需求,研究基于选择查询的目标导向影响力最大化问题。不同于传统定义,目标导向影响力最大化的目标是要最大化影响给定范围内的节点数目。选择查询是大数据中快速定位目标的有效方法,可以提供简洁、直接的目标节点描述方法。据我们所知,目前尚未有工作关注基于选择查询的目标导向影响力最大化问题。首先,利用通用查询的一个实用简洁的子类形式化定义问题;然后,分析了该问题的计算复杂性,并基于反向影响采样方法设计了近似比为1-1/e-ε的算法;进一步,提出了基于索引方案的优化算法,提高了影响力最大化算法的性能;最后,利用公开数据集上的实验验证所提出算法的性能。（4）考虑社交网络中信息传播受网络结构影响的实际情况,研究基于网络结构的影响力最大化问题。现有的研究工作在考虑节点间影响力时大都将邻居节点单独考虑,并未考虑其间的网络结构。首先,提出了考虑网络结构因素的信息传播模型,并形式化定义了对应的影响力最大化问题;分析了新模型下问题的计算复杂性,证明该问题是NP难解的,进而为该问题设计了启发式算法;为了探究网络结构因素对信息传播的影响,提出了一个单纯考虑网络结构的传播模型,分析了对应影响力最大化问题的难解程度并设计了启发式求解算法;最后,利用公开数据集上的实验验证所提出算法的性能。