通常跨社区的信息传播更具有现实意义，而且大范围的信息传播往往也是跨社区的。为此提出一种基于社区度的边界节点影响力最大化算法，利用社会网络中的社区结构对社区中与其他社区有连接边的边界点进行研究，从而缩小选择初始节点的范围，降低时间复杂度。同时为更准确地评估边界节点的影响力，综合节点度、节点所直接相连社区数以及相应社区的规模作为社区度来衡量节点在信息传播中的重要性。最后通过实验验证了本算法相比其他算法具有更大的影响传播范围和更低的时间复杂度。

基于节点影响传播范围的影响最大化算法

社交网络影响最大化问题是指如何寻找网络中有限的初始节点,使得影响的传播范围最广。一些贪心算法可以得到较好的影响范围,但是因时间复杂度太高而不适用于大型社交网络。基于度中心性的启发式算法简单但准确度不高;基于介数中心性、接近中心性等全局指标的启发式算法可以较好地识别影响力最大的节点,但计算复杂度也过高。考虑网络节点深层次结构对影响扩散的作用并权衡计算复杂度与准确度,定义了3-layer局部中心度,以计算节点的潜在影响力值。基于线性阈值模型,启发选择一部分种子节点:每一次都选取潜在影响力最大的节点作