1.一种基于网络结构与用户心理特质的信息传播预测系统，其特征在于，包括：获取数据模块、用户边关系动态建立模块、用户关注度演化动态建立模块及热点话题传播预测方法构建模块，其中，所述获取数据模块用于从在线社交媒体的公共API获取热点话题下的用户相关信息并进行包括数据分片在内的数据处理；所述用户边关系动态建立模块，从获取数据模块提取用户网络结构属性和历史行为属性，并定义和量化相关用户属性，利用图演化博弈和异质平均场构建用户边关系动态；用户关注度演化动态建立模块，用于定义信息流行度、用户策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立用户关注度演化动态机制；信息传播预测方法构建模块，以传统SIR传染病模型为基础，结合用户边关系动态和用户关注度演化动态建立热点话题传播预测方法分析网络结构异质性和用户心理特质对信息传播的影响。

2.根据权利要求1所述的基于网络结构与用户心理特质的信息传播预测系统，其特征在于，所述获取数据模块获取热点话题下的用户相关信息，主要包括用户社交关系、用户历史行为记录两个方面的数据；数据处理主要包括：对用户社交关系、用户历史行为记录的数据进行时间分片，将数据按照时间区间进行划分，然后，在单位时间内，从数据中找出已参与该话题的用户及其粉丝，据此建立网络拓扑。

3.根据权利要求1或2所述的基于网络结构与用户心理特质的信息传播预测系统，其特征在于，所述用户边关系动态建立模块构建用户边关系动态驱动机制，首先，采用图演化博弈构建用户边关系动态；然后提取真实网络拓扑结构属性及用户历史行为属性；最后，将关系动态和异质平均场结合，采用真实数构建用户边关系动态驱动机制xff_fn。

4.根据权利要求3所述的基于网络结构与用户心理特质的信息传播预测系统，其特征在于，所述真实网络拓扑结构提取用户属性包括：用户的度Deg(ui)；所述用户历史行为属性包括：用户历史行为数据A＝{(a，vi，t)},其中(a，vi，t)表示在t时刻，用户vi的行a，C(vi，t)为用户节点vi在t时间所处的状态。

5.根据权利要求1或2所述的基于网络结构与用户心理特质的信息传播预测系统，其特征在于，所述用户关注度演化动态机制建立模块定义信息流行度、用户策略集和用户收益矩阵，根据演化博弈论中的复制动态的思想构建用户关注度演化动态包括：首先，定义收益矩阵Pn和Pa以及信息流行度M(t)；Pn和Pa分别表示不主动关注热点话题和主动关注热点话题的收益；然后，从已有数据中提取未参与话题的活跃用户作为未感染个体中选择主动关注策略的用户；最后，依据演化博弈论的复制动态的思想和信息传播流行度M(t)建立用户关注度演化动态机制。

6.根据权利要求5所述的基于网络结构与用户心理特质的信息传播预测系统，其特征在于，所述用户策略集包括定义“不主动关注的策略”inactive和“主动关注策略”active，个体接受主动关注的策略理解为个体主动关注热点话题，个体不主动关注的策略理解为个体不主动关注热点话题，用pn和pa分别表示用户选择策略inactive和active时参与话题的概率，其中pa>pn，定义两种不同的收益函数：Pn(t)＝mnM(t)，Pa(t)＝-k+maM(t)

选择策略active的个体要付出一个额外的固定支付k，其中，ma＞mn，ma和mn是与用户参与话题的概率有关的变量；

定义感知流行度：依据传统的SIR模型中感染率为理论基础，建立感知流行度的概念，表示过去某一段时间，用户感知到参与话题个体的变化率，

其中，x表示未参与话题用户中选择“不主动关注的策略”inactive的比例。

7.一种基于权利要求1所述系统的信息传播预测方法，其特征在于，包括以下步骤：获取数据源的步骤、建立用户边关系动态的步骤，建立用户关注度演化动态的步骤及信息传播预测方法的步骤。

8.根据权利要求7所述的信息传播预测方法，其特征在于，所述获取数据源的步骤包括：从在线社交媒体的公共API获取热点话题下的用户相关信息并进行包括数据分片在内的数据处理；所述建立用户边关系动态的步骤包括：提取用户网络结构属性和历史行为属性，并定义和量化相关用户属性，利用图演化博弈和异质平均场构建用户边关系动态；建立用户关注度演化动态的步骤包括：定义信息流行度、用户策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立用户关注度演化动态机制；信息传播预测方法包括步骤：以传统SIR传染病模型为基础，结合用户边关系动态和用户关注度演化动态建立热点话题传播预测方法分析网络结构异质性和用户心理特质对信息传播的影响。

9.根据权利要求7所述的信息传播预测方法，其特征在于，所述获取数据源的步骤包括：所述信息传播预测方法将用户边关系动态和用户关注度演化动态相结合，以SIR为基础构建信息传播预测方法。分别将用户参与话题的驱动力xff_fn和用户关注度演化动态xn和xa在内的参数输入到传统SIR模型，进而构建信息传播预测方法，其中，xn表示不主动关注话题节点的比例，xa表示主动关注话题节点的比例。

10.根据权利要求7所述的信息传播预测方法，其特征在于，所述用户的度Deg(ui)。节点的度(Degree)定义为与某节点ui相关联的边的数目。在线社交网络是有向图，若用户ui关注uj，我们称之为出度并表示为ui→uj，用户ui的关注者总和记为Deg-(ui)；若用户uk关注ui，我们称之为入度并表示为uk→ui，关注用户ui的数量总和记为Deg+(ui)。所以有：Deg(ui)＝Deg-(ui)+Deg+(ui)。