互联网的大力发展带动了社交网络的兴起,而对社交网络影响力的研究也引起了管理学、社会学、经济学以及计算机科学等多个领域研究者的广泛关注。与传统网络不同的是,在社交网络中,用户既负责生产和接收信息,也担当着传播信息的职责,而用户的影响力对信息的扩散很重要。因此,社交网络影响力分析成为社交网络分析中的关键问题之一,并在很多方面得到应用,比如,网络营销、推荐系统、链路预测、社团发现、舆情控制和突发事件检测等。合伙人营销模式作为网络营销模式的一种,通过在线方式寻找合伙人(种子节点),并借助合伙人进行商品推广。即衡量社交网络上用户节点的重要性,对其进行影响力排序,找到其中最具有影响力的节点集合,选取种子节点,然后在种子节点的传播下使得影响力最大化。在研究影响力排序问题上,现有算法往往考虑的影响因素过于单一,不能很好衡量用户节点的重要性,即不能很好区分具有较大影响力的用户节点。为此,本文首先提出了一种改进的节点影响力排序算法BNR(Based on Neighbor Relations),该算法在综合考虑合度算法与K-核分解算法的基础上,使用熵权法融合了合度值、度值以及k-shell值得到近邻亲密度这一中心性指标,使得节点影响力评估更准确,算法精度更高。此外,在研究影响力最大化问题上,现有算法得到的节点影响范围较小,运算较复杂。为此,本文提出了一种改进的影响力最大化算法TSO(Two Stage Optimization),该算法分为两个阶段。启发阶段,在BNR算法研究的基础上,融合动态阈值的特性,使用激活潜力评估节点潜在影响力,更精确地选取最具影响潜力的种子节点;贪心阶段,采用动态规划的思想分解网络,简化算法,更高效地选取最具有影响力的种子节点。最后,通过在真实网络数据集上与经典算法进行对比实验,验证了改进的BNR算法较原始算法能够更好的对影响力节点进行排序,改进的TSO算法较经典算法选取的种子节点在社交网络中具有更好的传播效果,影响范围更大。