随着互联网和信息技术的飞速发展,在线社交网络已经成为人们分享生活和获取信息的重要媒介,同时也成为了商家进行商品推广的重要渠道。商家在对商品进行推广时通常会采用“病毒式营销”的方式,即选择一定数量具有影响力的用户免费试用,通过用户间的口碑效应使得社会网络中有更多的人接纳该商品。在对“病毒式营销”的深入研究中,学者将其抽象为影响力最大化问题。经典的影响力最大化问题主要研究的是单条信息在一个网络中传播的场景。现在网民往往拥有多个社交账号,当他们遇到感兴趣的资讯时也倾向于在不同社交网络间进行转发。本文依据经典影响力最大化问题,结合更贴近实际的跨社交平台上多信息传播场景,提出了跨社交网络中多信息竞争合作影响力最大化问题。为解决跨社交网络中多信息竞争合作影响力最大化问题,论文主要工作如下:首先,对社交网络的耦合方式进行改进,依据网络间重叠用户与其另一社交平台的关注者间内容相似度,增加跨网络链接,提出了跨社交网络耦合模型,更好地刻画了实际生活中用户的使用场景。然后,针对多信息传播的实际场景,基于经典的独立级联模型,提出竞争条件下基于合作及从众性的独立级联模型。最后,结合子模性及三度影响力的思想,设计了种子节点选取算法CCG;根据反向可达集与节点避让的思路提出了种子节点选取算法CCH。本文使用网络爬取的方式获得了研究使用的Twitter-Instagram数据集,其中包括用户的推文和图片等信息。在Twitter-Instagram数据集上抽取跨社交网络拓扑结构,结合多信息竞争合作影响力传播模型与多种对比算法进行了实验。实验结果表明本文提出的算法具有较好的有效性及可以接受的运行效率。结合所有的研究成果,论文设计并实现了跨社交网络中多信息竞争合作影响力最大化原型系统。该系统不仅能可视化地展示本研究的各项结果而且能根据用户选择的算法与输入的种子节点个数动态显示多信息在耦合网络中传播的过程。