شبکه¬های اجتماعی نشان دهنده روابط موجود بین افراد، سازمان¬ها و دیگر گروه¬های اجتماعی می¬باشند. با رشد روز افزون شبکه¬های اجتماعی در دنیای اینترنت و تعداد کاربران آنها، تحلیل این شبکه¬ها مورد توجه بسیار قرار گرفته است. این شبکه¬ها در دنیای امروز نقش بسیار مهمی در گسترش اطلاعات ایفا می¬کنند. افراد در این شبکه¬ها تأثیرپذیری زیادی از یکدیگر دارند، بطوری که از جمله مسائل مطرح در این حیطه تأثیرپذیری افراد از یکدیگر در سطح شبکه است؛ بدین گونه که با داشتن یک شبکه اجتماعی، مسئله بیشینه سازی انتشار تأثیرات بیان می¬شود. هدف این مسئله یافتن یک زیرمجموعه k عضوی گره اولیه کوچک از گره¬های پرنفوذ می¬باشد که می¬تواند انتشار تأثیرات را بیشینه کند. در این پایان نامه روشی برای حل این مسئله ارائه شده است که مبتنی بر خوشه¬بندی شبکه اجتماعی و مرکزیت نیمه محلی می¬باشد. هدف از خوشه بندی در این پایان نامه پیدا کردن k گره پرنفوذ از منطقه¬های مختلف شبکه می¬باشد و اینکه بتوان با توجه به وزنی که برای هر خوشه تعریف می¬شود تعداد گره پرنفوذ معینی از یک منطقه (خوشه) خاص انتخاب کرد، و هدف از استفاده از مرکزیت نیمه محلی برای پیدا کردن گره¬های پرنفوذ، نزدیکی این مرکزیت به سایر مرکزیت¬ها و زمان محاسباتی کمترآن نسبت به این مرکزیت¬ها می¬باشد. روش پیشنهادی بر روی چهار مجموعه داده و با استفاده از نرم افزار متلب پیاده سازی شده است. نشان می¬دهیم که روش پیشنهادی گره¬های پرنفوذ را در زمان معقول¬تری نسبت به روش حریصانه پیدا می¬کند و سرعت انتشار اطلاعات به خوبی سرعت روش درخت پوشای بیشینه می¬باشد. و گره¬های فعال شده بطور کلی در حد روش حریصانه و روش درخت پوشای بیشینه می¬باشد.