影響最大化旨在從給定的社會(huì)網(wǎng)絡(luò)中尋找出一組影響力最大的子集．現(xiàn)有工作大都在假設(shè)實(shí)體點(diǎn)（個(gè)人或博客等）影響關(guān)系已知的情況下，關(guān)注于分析單個(gè)實(shí)體點(diǎn)的影響力．然而在一些實(shí)際場景中，人們往往更關(guān)注區(qū)域或人群等這類團(tuán)體的組合影響力，如戶外廣告、電視營銷、疫情防控等．研究了影響力團(tuán)體的選擇問題：（1）基于團(tuán)體的關(guān)聯(lián)發(fā)現(xiàn)，建立了團(tuán)體傳播模型GIC（group independent cascade）;（2）根據(jù)GIC模型，給出了貪心算法CGIM（cascade group influence maximization），搜索最具影響力的top-k團(tuán)組合，在人工數(shù)據(jù)和真實(shí)數(shù)據(jù)上，實(shí)驗(yàn)驗(yàn)證了該方法的效果和效率．