影响力最大化问题现有的工作主要集中在无符号网络上，忽略了网络中个体之间存在的敌对关系。针对符号网络中的积极影响力最大化问题，在极性相关的独立级联（IC-P）模型的基础上提出一种符号网络中基于反向影响采样（RIS-S）的算法以最大化积极影响力。首先，在生成反向可达集的阶段考虑了节点的极性关系，以适用于符号网络；其次，为了提高反向可达集的有效性，限制了采样的遍历深度。在三个真实的符号网络数据集上比较了RIS-S、IMM（Influence Maximization via Martingales）、POD（Positive Out-Degree）和Effective Degree等算法的积极影响力范围和运行时间，以验证所提算法的有效性。实验结果表明，RIS-S算法所选的种子更加准确，能获得更广的积极影响力范围，并且该算法的运行时间比同类型算法IMM更短，可以认为RIS-S算法能够解决符号网络中的积极影响力最大化问题。
