近年来,随着微博、网络论坛等在线社交网站的流行,在网络中挖掘最具影响力的用户变得越来越重要。网络营销通过个人的社会关系对其朋友、家人或同事进行影响力的传播而产生口碑效应。在这个背景下,影响力最大化问题成为了社会网络领域的研究热点。影响力最大化问题就是要从社会网络中选取有限个节点组成初始传播集合,使其充分发挥影响力并最终在整个网络上带来的影响效益为最大。针对该问题的研究工作已有很多,例如爬山贪心算法等,不过之前的工作并没有在求解影响力最大化问题中考虑信息在社会网络中针对某个指定主题的传播即用户对某个主题的偏好程度,这在很大程度上影响了最后结果的准确度。本文在普通影响最大化问题的基础上提出面向主题的影响力最大化问题,并通过GAT(Greedy Algorithm based on Topic)算法来获取在特定主题下最具影响力的用户。GAT算法首先采用潜在语义分析来计算用户对某个特定主题的偏好值,利用用户对主题的偏好值构建一个拓展的独立级联模型,该传播模型中加入了用户偏好；GAT在该传播模型的基础上,采用爬山贪心算法来获取网络中能使影响范围达到最大的用户节点。与之前的工作相比,GAT考虑了用户对特定主题的偏好,因此在面向主题的信息传播中,GAT会取得更高的精确度。基于独立级联模型的子模特性,算法在保证精确度的同时,可以使用CELF算法优化以提高算法效率。在科研合作网络上的实验证明,GAT可以成功挖掘特定主题下最有影响力的种子节点。