Con el desarrollo vigoroso de Internet móvil, las redes sociales en línea han cambiado enormemente la forma de vida de los seres humanos. Como una rama importante de la investigación de redes sociales en línea, la maximización de la influencia se refiere a encontrar nodos en la red para formar el conjunto de semillas más influyente, que es un modelo abstracto de marketing viral. La mayoría de las investigaciones actuales se basan en estructuras de red estáticas, ignorando la característica importante de las estructuras de red que cambian con el tiempo, lo que descuenta el efecto de los nodos de semilla en redes sociales en línea dinámicas. Para abordar este problema en redes sociales en línea dinámicas, proponemos un marco novedoso llamado Maximización de la Influencia basada en Predicción y Reemplazo (IMPR). Este marco primero utiliza información histórica de instantáneas de red para predecir la próxima instantánea de red y luego explora nodos de semilla adecuados para la red dinámica basándose en el resultado predicho. Para mejorar la eficiencia computacional, el marco también adopta un algoritmo de reemplazo rápido para resolver los nodos de semilla entre diferentes instantáneas. El esquema que adoptamos presenta cuatro ventajas. Primero, extendimos el clásico problema de maximización de la influencia a redes sociales en línea dinámicas y damos una definición formal del problema. En segundo lugar, se propuso un nuevo marco para este problema y se da una prueba de la solución en teoría. En tercer lugar, otros algoritmos clásicos para la maximización de la influencia pueden integrarse en nuestro marco para mejorar la precisión. Más importante aún, para revelar el rendimiento del esquema, se llevaron a cabo una serie de experimentos basados en diferentes configuraciones en conjuntos de datos de redes sociales en línea dinámicas reales, y los resultados experimentales son muy prometedores.