在社交网络中，对特定主题感兴趣的节点（或用户）通常会受到其他人的影响。 影响通常与一组节点而不是单个节点相关。 对于任何给定的主题和节点，一个有趣但具有挑战性的任务是找到代表该主题的源触发器的一组节点，从而确定随着主题的传播而对给定节点影响最大的那些节点。 我们发现这是一个NP难题。 本文提出了一个有效的框架来解决这一问题。首先，以贝叶斯网络表示主题的传播。 然后，我们通过投票者模型的变体构造传播模型。 Theprobability转移矩阵（PTM）算法呈现的复杂性以进行probabilityi