随着互联网的飞速发展,在线网络广告受到越来越多的关注和应用,但广告投放的粗放性一方面给网络用户带来了不便,另一方面浪费了广告商的金钱而无法达到预期的效果。社交网络的兴起则对互联网广告业产生了变革性作用,它利用社交网络中用户的数据信息进行个性化的广告投放,同时,依托社交网络产生的“病毒营销”利用口头传播的方式使得信息最终能够覆盖大部分的网络,这就是影响最大化问题的原型。在已有影响最大化问题的多数研究中,人们不仅忽略了选择初始种子节点要付出的成本,也忽略了节点主题属性对信息传播的影响。基于以上考虑,本文提出了基于成本的广告投放问题,该问题同时考虑了选择节点所需要的成本和节点主题属性两个因素,旨在广告预算有限的情况下选择合适的初始种子节点来达到尽可能好的广告效应。针对基于成本的广告投放问题,本文首先结合网络营销平台和现实情况对节点成本建模;然后利用节点对某信息的偏好程度(节点主题属性与广告主题间的相似度)和节点之间关系亲密程度(节点间的关注度)这两个因素对节点间影响概率puv进行建模;最后根据节点间影响概率puv和节点的成本提出新的度量节点影响力的指标:平均概率,之后设计了一种基于平均概率的种子节点选择算法AvePA(Average Probability Algorithm)。基于以上研究成果,本文设计并实现了社交网络中基于成本的广告投放原型系统。本文在六个数据集和拓展独立级联模型上进行了实验,实验结果表明:(a)为避免影响范围重叠,在算法中引入覆盖距离是有效的;(b)影响效果方面,在无向拓扑图上,AvePA算法的性能优于其他对比算法且随着广告预算的增加性能优势更加明显。在有向拓扑图上,AvePA算法的性能明显优于其他对比算法且比其他对比算法更加稳定;(c)时间效率方面,AvePA算法与其他对比算法的运行时间相比,其时间效率较好。综合考虑影响效果和时间效率,AvePA算法的总体性能最优。