受影響頂點(diǎn)預測是信息傳播研究的一個(gè)基本問(wèn)題，在廣告推薦、流行病預測和社交網(wǎng)絡(luò )的信息傳播等研究中都有廣泛的應用。對于廣告商而言，在廣告發(fā)布后需要獲知被該廣告影響的用戶(hù)，從而進(jìn)行廣告評估，制定營(yíng)銷(xiāo)策略。在流行性疾病和計算機病毒傳播中，需要快速確認并處理感染者，從而控制病毒傳播。但由于信息傳播具有隨機性和不確定性，有效預測出受影響者較為困難，因此本文將受影響頂點(diǎn)預測與頂點(diǎn)狀態(tài)驗證相結合來(lái)預測發(fā)現受影響頂點(diǎn)，從而確定信息的擴散范圍。但頂點(diǎn)狀態(tài)驗證需要對頂點(diǎn)的屬性進(jìn)行分析，這會(huì )耗費大量計算資源，且在許多應用中允許的驗證次數往往是有限的。

　　本文研究時(shí)間傳播網(wǎng)絡(luò )（ Temporal Diffusion　Network．TDN）中受影響頂點(diǎn)的預測問(wèn)題。首先給出受影響頂點(diǎn)預測問(wèn)題的形式化定義，然后設計基于頂點(diǎn)受影響概率的啟發(fā)式預測算法IPH，并在此基礎上，結合廣度優(yōu)先遍歷（ Breath First Search，BFS）頂點(diǎn)選擇策略進(jìn)一步提出相鄰頂點(diǎn)受影響概率啟發(fā)式預測算法AIPH，最后在模擬數據集和真實(shí)數據集上進(jìn)行實(shí)驗。