影响力计算和分析广泛应用于社交网络、网页重要性评估等领域。对于具有继承链和时间跨度因素的多层次影响计算，仍然缺乏良好的通用解决方案。同时，传播影响最大化的计算是一个NP难问题。近似算法精度不高，计算复杂。为了解决上述问题，本文提出了一种集成知识地图的多层次继承影响和泛化算法，实现了继承影响和继承关系的计算。该算法在知识地图中集成了广度优先搜索级别计算模型，考虑了遗传影响和时间跨度遗传影响的有限计算。为了优化计算效率，链．进一步采用深度优先搜索和不同级别加不同权重的策略，只计算前N个级别的影响。它不仅可以很好地计算遗传影响，而且可以推广到各种通信影响计算模型中。在该基础上中，通过筛选具有较大传播影响的节点作为局部最优搜索的候选节点，提出了一种传播影响最大化近似算法。该算法在运行速度和最大传播节点数方面取得了良好的效果。最后，通过各种仿真实验验证了该方法的有效性。