网络影响力分析是复杂网络研究的热点内容,其包括节点影响力度量问题和影响力最大化问题,前者是评估网络中各个节点的影响力,后者是评估网络中节点集合整体的影响力,并从中选出传播范围最大的集合,这两项研究对于生物信息和基因学、市场营销、传染病控制和网络监控等均具有重要的现实意义。本文结合节点影响力度量与影响力最大化的研究现状及存在的问题,提出了一种新的影响力度量方法,并在此基础上提出了三个影响力最大化算法,具体内容概括如下:首先,由于K-shell是一种粗粒度的度量方法,并且不能有效地识别处于关键枢纽位置的节点,为此本文提出了一种将K-shell方法和结构洞指标相融合的节点影响力度量方法KSSH。通过相关性和分辨率指标表明KSSH方法具有良好的准确度和区分度。其次,本文将KSSH方法引入到影响力最大化问题中,并讨论了网络中节点之间的影响力重叠效应。本文采用KSSH方法评估各个节点的影响力,并基于节点的聚类系数、节点的邻居节点中被选为种子节点的个数、传播概率以及节点的一阶、二阶邻域提出了两个削弱重叠影响力的影响力最大化算法KSSH_DisN与KSSH_DisN+。通过多个数据集在独立级联模型中的对比实验证明了这两个算法能够取得与CELF算法相近的影响力。最后,为了进一步提高算法的准确性,本文提出了基于候选集合的混合式影响力最大化算法CKS_CELF。该算法将求解过程分为启发阶段与贪婪阶段,启发阶段采用KSSH方法评估节点的影响力,并利用了网络的社团结构,从每个社团中选出一小部分影响力大的节点作为候选集合,再采取CELF算法从候选集合中选出6)6)个种子节点。实验结果表明CKS_CELF算法不仅能够获得与CELF算法一致甚至略高的准确性,而且又缩短了算法的运行时间。