在社交网络中,存在着许多不同的意见或者商品信息,并且它们的影响相互之间存在着竞争关系。例如一个公司需要对一个产品进行推广,然而已经有一个产品在网络中推广了。用户只会选择两个产品中的一个,并且向好友推荐。然而传统的影响力最大化问题的研究只考虑一条信息传播的情况,在实际社交网络中,存在多条信息同时传播,如何在这种情况下使得受影响用户最多,需要重新定义问题。基于以上考虑,提出了基于竞争的影响力最大化问题。针对这个问题,本文给出了基于竞争的线性阈值模型的定义方法。在该模型下,本文主要解决两条信息同时传播时,.如何在一条信息的初始节点集合已知的情况下选取另一条信息的初始节点集合使得该信息的影响最大化。并且通过LDA模型计算不同信息下节点间的影响概率。然后考虑信息间的相互影响以及传播模型的特点,提出了基于节点子图的算法,并在此基础上提出了基于节点子图的改进算法。然后在本文研究成果的基础上,实现了基于竞争的影响力最大化节点挖掘系统。本文在在新浪微博数据集和基于竞争的线性阈值模型上进行了实验,实验结果表明：(a)在影响范围方面,本文提出的算法优于传统的启发式算法；(b)在时间复杂度方面,虽然运行时间比启发式算法较长,但时间仍在可接受范围内。实验结果证明了本文算法的有效性。