利用反向可达集解决影响力最大化问题时，通常难以有效控制随机反向可达集的数量，造成算法精度和时间效率之间的矛盾。针对该问题，提出一种改进反向可达集的影响力最大化算法 ORIS（Optimum Reverse Influence Sampling）。该算法基于有效节点构建反向可达集，同时对有效节点筛选参数进行自适应调整，可以有效降低反向可达集数量，减少算法迭代次数。在三个真实数据集上的对比实验表明：ORIS算法相较于其他四种比较算法，在影响力传播范围和时间效率上均有显著提升。