個性化影響最大化問題是近年來社交網(wǎng)絡(luò)影響最大化問題研究領(lǐng)域一個較新的分支，其現(xiàn)有解決方案普遍建立在網(wǎng)絡(luò)邊影響傳播強(qiáng)度一致的假設(shè)下，該假設(shè)對于真實(shí)社交網(wǎng)絡(luò)缺乏普遍適用性。為此基于獨(dú)立級聯(lián)模型，提出最大影響路徑算法（ MIPA）。該算法通過三個階段來求解個性化影響最大化問題，首先將邊影響強(qiáng)度作對數(shù)轉(zhuǎn)換以獲得最大影響路徑，從而計算網(wǎng)絡(luò)節(jié)點(diǎn)對目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)的影響；然后利用多條經(jīng)過目標(biāo)節(jié)點(diǎn)鄰居的最大影響路徑聯(lián)合計算目標(biāo)節(jié)點(diǎn)受到的影響強(qiáng)度；最后選擇Top-k節(jié)點(diǎn)作為種子節(jié)點(diǎn)，從而擺脫邊影響強(qiáng)度的一致性約束，獲取高質(zhì)量的種子集。在不同的真實(shí)社交網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行的對比實(shí)驗(yàn)驗(yàn)證了算法的有效性。