社交网络分析是近年来的研究热点,社交网络影响力最大化和信息传播预测是其两个重要的研究方向。前者旨在社交网络中寻找k个影响力比较大的个体,使它们影响力的扩散范围能够达到最大;后者从已知的信息传播数据出发,结合信息传播的影响因素,通过分析已获得的实际传播数据来预测将来信息传播的情况。在影响力最大化方面,目前的研究分为两个方向:贪心算法的改进和启发式算法的研究。贪心算法虽然经过了数次优化,但是时间复杂度仍然过高,不适用于大型社交网络;而现在的大多数启发式算法仅仅考虑节点本身的影响力,而忽略了其所在的环境,算法效果还存在提升空间。在信息传播预测方面,目前的研究对象主要集中在微博、Twitter等某个社交应用中,而适用于一般社交网络的算法效果往往不理想或者计算方法极为复杂,不适合对信息的传播做出实时预测。本文提出了一种基于最短路径的影响力最大化算法。首先,该算法将节点到附近有限节点的最短路径之和作为中心性指标,既降低了时间复杂度,又考虑了节点在局部范围的影响力;其次,该算法将网络中的最大度值作为有限节点的数量,使中心性指标适配不同网络的规模和特性;最后,该算法利用删除种子节点的邻居节点来避免富人俱乐部现象。实验表明该算法较之其他算法找到的种子节点集合影响力范围更广。本文提出了一种基于主路径网络的信息传播预测方法。考虑到在社交网络中,无论信息源在哪,信息往往都会传播到影响力较大的节点并通过它们迅速传播到整个网络,而且种子节点之间的节点更有可能会被优先传播到。因此本文首先利用影响力最大化算法找到影响力较大的节点集合,即种子节点集合,然后提出了一种节点之间路径的重要性评价指标,根据评价标准寻找这些节点之间的主路径,最后根据主路径构成的主路径网络对信息传播进行预测。