1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，大規(guī)模社會網(wǎng)站變得非常流行，受到了廣大學者的研究與關(guān)注。社會網(wǎng)中蘊含著大量的信息，在多個領(lǐng)域都有重要的應用。本文研究了社會網(wǎng)上的影響傳播問題，主要包括以下幾個方面:
　　首先，研究了社會網(wǎng)上影響傳播最小化問題。為了盡可能地阻礙惡意的謠言在社會網(wǎng)傳播，本文通過刪除社會網(wǎng)絡上給定數(shù)量的邊解決這一問題。傳統(tǒng)的方法是貪心算法，但是非常浪費時間。為此，我們基于模擬退火的框架提出了一個有效的啟發(fā)式算法SA-min。在真實

2、數(shù)據(jù)集上的多個實驗顯示:SA-min算法無論是在有效性還是效率方面都能達到很好的性能，尤其是邊的數(shù)量增大時，SA-min算法比貪心算法快2-3個數(shù)量級。
　　其次研究了社會網(wǎng)上產(chǎn)品利潤最大化問題。已有研究工作往往忽視了影響傳播最大化和利潤最大化的區(qū)別，以及被影響的用戶總數(shù)隨著時間的推移逐漸趨于平穩(wěn)。本文基于用戶動作日志，提出了一個基于時間長度的影響力分配模型IVA-T，根據(jù)該模型首次提出了時間最優(yōu)的利潤最大化問題(OTPM)，并且

3、證明了該問題是NP-hard問題。為了求解OTPM問題，提出了一個有效的近似算法并證明了該算法的近似比。在多個真實數(shù)據(jù)集上的實驗結(jié)果證明了算法的有效性和效率。
　　最后，研究了社會網(wǎng)上個體影響最大化問題。個體影響最大化，也就是針對給定用戶，找到最能夠影響該用戶的節(jié)點集合?，F(xiàn)有的工作僅僅利用社會網(wǎng)的拓撲結(jié)構(gòu)來貪心地選取種集，由于邊上的概率是預先輸入的，因此使用蒙特卡羅模擬計算節(jié)點的平均影響力不但浪費時間而且不準確。針對這一問題，本文