1.一种基于库仑力模型求解社会网络影响力问题的方法，其特征在于，包括如下步骤：

1)构建社交网络图：G＝(V，E)，其中V为节点的集合，E为边的集合；

2)获取传播概率：在面向社会网络时，充分考虑真实社会网络中传播概率Pij生变化因素，通过使用库仑定律，加入信任因素与节点数量动态变化因素求解动态影响力的初始传播概率 由于后期传播过程中存在激活节点叠加现象，故将动态影响力的传播概率构建为

3)建立影响力传播模型：基于IC模型进行改进，构建DSC‑TR模型，该模型依据社会网络拓扑结构构建节点自身影响力，结合社会网络动态变化因素与信任因素，同时利用库仑定律与社会网络的相似关联性构造节点间影响力函数，根据节点自身影响力与节点间影响力计算出传播概率Pij；

4)定义动态积极影响力最大化(DPIM)问题：根据步骤3)构建的DSC‑TR模型，进一步优化社会网络影响力最大化问题，即提出DPIM问题；

5)执行RG‑DPIM算法：利用随机性运行时间短的特性与贪心算法近似性高的特点相结合，根据DSC‑TR模型得传播机制求解DPIM问题；

经过上述步骤，完成了社会网络影响力最大化问题优化求解；

步骤2)中，所述的获取传播概率，具体包括如下步骤：

2‑1)节点自身影响力计算：构建节点i自身影响力αi模型为：上述公式(1)中，m代表传播跳数， 代表节点i中h层的邻居节点数目， 代表对应的出度， 表示社会网络中节点h层的邻居节点数目；

2‑2)节点间影响力计算：将社会网络节点类比为电荷，则电荷量代表节点自身影响力，电荷之间存在的库仑力代表节点间影响力，将其定义为节点间社会库仑力，其库仑力方向代表影响传播扩散或抑制，则两个节点i、j之间的社会库仑力计算公式如下：上述公式(2)中，ai代表节点i的自身影响力，aj代表节点j的自身影响力，Fij代表两个节点i、j的社会库仑力，r表示两节点之间的最短路径，k表示社会库仑系数；

2‑3)动态影响力传播概率计算：结合社会库仑力的叠加计算方法，提出叠加社会库仑力，叠加社会库仑力充分考虑前驱节点的影响力，当前驱节点数量增加或者减少时，叠加社会库仑力会发生相应的动态变化，故节点i的叠加社会库仑力βi表示为：上述公式(3)中，l为i的前驱节点；

设节点i的传播影响力表示为γi，具体形式如下所示：

γi＝αi+βi  (4)

根据γi大小可以将传播影响力划分为积极传播影响力、堵塞传播影响力两种类型，其中积极传播影响力满足γi＞0，堵塞传播影响力满足γi＜0；则动态影响力初始传播概率如下所示：其中，γv表示社会网络中节点自身影响力；

社会网络影响力传播过程中，存在激活节点重复叠加现象，针对该现象将初始时刻后动态影响力的传播概率改为：上述公式(6)中，I代表i的邻居节点集， NI分别表示I内处于激活状态的节点数目与I的总节点数目；

步骤3)中，所述的DSC‑TR模型，其传播机制如下：

3‑1)假设社会网络中节点包括激活状态、未激活状态和堵塞状态；其中，激活状态表示用户接收到该信息且会转发，未激活状态表示用户未接收到该信息且不会转发，堵塞状态表示用户接收到该信息且不会转发；

3‑2)网络初始化时，除信源节点外，所有节点均处于未激活状态，信源节点以初始传播概率 激活或堵塞未激活状态邻居节点；

3‑3)若当前节点被信源节点激活时，当前节点由未激活状态变为激活状态或堵塞状态，激活状态的当前节点将会以传播概率 进行之后的传播过程；

3‑4)每次更新激活或堵塞节点，重复步骤3‑3)，直至社会网络中所有节点不再进行激活或堵塞行为；

步骤5)中，所述的RG‑DPIM算法，包括如下步骤：

5‑1)初始化：任意选择k个初始种子节点集合S′；

5‑2)计算初始种子节点集合S′影响力：对Influpositive(S′)进行计算；

5‑3)计算更换种子节点后种子节点集合S″影响力：随机选取除种子节点外的节点更换种子节点，对Influpositive(S″)进行计算；

5‑4)计算更换后影响力增益：对比Influpositive(S′)与Influpositive(S″)，影响力增益的计算公式为：Δ(S)＝Influpositive(S″)‑Influpositive(S′)

5‑5)选择种子节点：根据增益的正负来判断是否保留当前种子节点，当增益为正值时，即Δ(S)＞0时，保留当前种子节点；反之，当Δ(S)＜0时，丢弃当前种子节点；

5‑6)对步骤5‑2)‑步骤5‑5)重复迭代N次，以增加所得结果的准确性。

2.根据权利要求1所述的一种基于库仑力模型求解社会网络影响力问题的方法，其特征在于，步骤4)中，所述的DPIM问题，定义如下：根据DSC‑TR模型传播机制以及节点的信任关系，在社会网络图G＝(V，E)内获取节点数目为k的种子节点集合S，并保证达到积极影响力下激活种子节点数目的最大值，具体公式表示为：Influpositive(S)＝argmaxs∈V,|S|＝kσ(S)  (7)上述公式(7)中，σ(·)表示影响扩散函数，σ(S)表示在DSC‑TR模型下被积极影响力激活的节点数量。