随着电子商务的发展,Web病毒式营销因其较传统营销方式的独特优势而得到广泛的关注与应用。目前,数据挖掘技术已经成功地运用到传统的营销方式,但对病毒式营销的研究尚未深入展开。首先,详细分析了已有病毒式营销挖掘模型与算法的优缺点,为了满足研究病毒式营销中挖掘技术的需要,针对当前研究工作的不足,首先明确定义了客户信任网络(Customer Trust Network,CTN),并在此基础上提出了一种基于客户信任网络的产品信息扩散模型(CTN Based Diffusion of Product Information),该模型同时考虑了影响客户购买产品或服务的内在因素与外在因素,并通过引入环境影响解决了孤立点的接受与推荐问题。同时,提出了对应该模型的两种核心群体挖掘算法——VMCGM(Viral Marketing Core Group Mining)与E-VMCGM(Enhanced VMCGM),并对算法的复杂度进行了分析。另外,对病毒式营销策略的全局优化问题进行了探讨,提出了一种解决思路。其次,动态性是社会网络的本质之一,当前对病毒式营销中挖掘技术的研究并没有考虑社会网络的动态性,导致无法满足制定动态病毒式营销策略的需要。针对该问题,提出了基于网络更新日志(Network Change Log,NCL)的核心群体动态挖掘算法DMCG(Dynamically Mining Core Group)。该算法可以有效避免对更新后的客户信任网络的重复计算,并且能够保证核心群体挖掘的准确度。与此同时,文中还对如何控制负面影响在网络中的传播提出了新的见解。第三,对本文提出的模型与算法进行了实验检验。实验结果表明,提出的模型能够很好地符合病毒式营销中信息传播的规律,并且算法具有较低的时间与空间复杂度,通过与已有模型的比较,本文的模型有助于制定更为有效的病毒式营销策略。