影响力传播的最大化问题的目标是在网络中寻找影响力最大的K个点,使得从这K个点传播出的影响力(如信息、想法、观点等)期望影响到的节点数是最大的。该问题是社交网络的基础研究问题,有助于推动影响力传播的分析和建模。同时,该问题也存在很大的应用价值,如口碑营销。影响力传播的最大化问题已经吸引了大量的研究工作,但是,之前的研究工作都忽视了两个重要影响因子,一个是影响力传播过程中的新颖性衰变现象,即重复的被影响会减少影响力对于用户的作用;另一个是节点失效而导致的影响力丢失现象。本文将研究这两个影响因子对影响力传播的最大化问题的作用,主要工作如下:(1)在真实数据集中分析了新颖性衰变对于影响力传播过程的影响并设计了一个拟合函数量化这个影响,还定义了新颖性衰变下影响力传播的最大化问题。不同于普通的影响力传播模型,新颖性衰变下传播模型中的点集影响计算公式既不是单调也不是子模的,这意味着普通的贪婪算法和已知的计算点集影响力的方法不再适用。为此,本文提出了一个限制性贪婪算法和动态剪枝优化,还提出了两个新的计算点集影响力的方法。在4个真实数据集上的实验结果验证了提出的方法的有效性和高效性。(2)在分析节点失效对于影响力传播的最大化问题的作用基础上,本文把节点失效下影响力传播的最大化问题定义为一个限制性非线性优化问题。由于普通的贪婪算法无法解决这个新的影响力传播的最大化问题,本文提出了一个限制性模拟退火算法,还通过高效估算点集影响力丢失的方法提高该算法的效率。本文还提供了在4个真实数据集上的实验结果作详细说明。