随着互联网的不断发展,社交网络已变成网民分享信息、共享知识的首要渠道。社交网络中的信息传播,极大的方便了新技术与新思想的推广。在交互过程中,一个人可以同时隶属于多个群体,这个人作为社区间的枢纽节点,会对信息的传播起到十分关键的作用,进而使网络拓扑结构发生改变。因此,基于社区结构的影响力分析在理解节点的行为特征、揭示网络传播动态以及分析网络拓扑结构具有至关重要的作用。下面为本文主要贡献:（1）在社交网络的影响力最大化中引入重叠社区的思想,将其与影响力最大化充分结合,提出IMtoc（Influence Maximization Through Overlapping Communities）算法,并利用公开的真实社交网络数据集来进行影响力计算,获取种子节点。相对比于其他算法,IMtoc算法能够在运行时间更短的前提下获得更大的节点影响范围。（2）提出了对重叠社区的影响力进行排名的IOCI（Identification of Overlapping Community Influence）算法。通过重整化思想将影响力最大化算法扩展到社区层级,并能够根据重叠社区的影响力进行排名。实验结果表明,该方法保留了社区成员数量的特性;且对于稀疏网络,在社区划分后各社区成员数量没有明显区分时,也能够判断该社区的影响力。（3）使用公开社交网络数据集Anybeat,通过Gephi软件根据本文所提出的相关算法对网络进行可视化展示。根据数据以及网络图分析,揭示出社交网络中社区结构的特点,并证实了本文所给出的算法的合理性和准确性。本文将以往的影响力分析进行完善,并将其从个体到局部进行扩展,所提出的算法不仅可以找出最具影响力的节点,还将经典影响力算法应用到社区层面,从而找出影响力高的社区,最后结合可视化分析,能够清晰的了解网络中影响力节点的状态,具备较高的应用价值。