1.一种自适应的信息传播源头检测方法，其特征在于，包括：

S1、获取用户间的逻辑关系W，再由真实用户节点V和用户间的逻辑关系W构成用户关系逻辑图G＝(V，W)；计算用户关系逻辑图G对应的拉普拉斯矩阵A；

根据用户群体中所有节点当前的感染状态S，并根据用户群体中所有节点当前的感染状态S表示出用户群体中所用户节点特征X；

S2将拉普拉斯矩阵A与用户群体中用户节点特征X输入拓扑自适应图卷积网络TAGCN得到用户节点的高阶表示H；通过求内积的方式计算用户间当前信息传播事件的逆向传播概率P：P＝H⊙H，⊙表示求内积运算；

S3、利用感知机获取用户群体中所用户节点中心性分数Cen，再对各节点中心性分数进行归一化处理得到归一化后的当前信息传播事件中各节点的中心性分数；

根据用户节点的高阶表示H对用户群体的用户进行聚类，计算各聚类的中心性分数计算， 友示归一化后的当前信息传播事件中聚类集合c中第j节点的中心性分数；

S4、将中心性分数最高的两个聚类作为候选的信息传播源头类，其他的聚类作为与当前信息传播事件无关的用户群；候选的信息传播源头类中的节点组成与当前信息传播事件相关的集合Ru，当前信息传播事件无关的用户群组成集合Q；

S6、对于各个节点是否是信息传播源头的预测 如下：

其中，f(.)表示求softmax并找到第i个节点vi的是否是信息传播源头的分类结果；mask(.)表示遮掩模型对来自集合Q的节点进行噪音消除的处理；Outputi为多层感知机MLP输出初步预测Output中第i个节点vi的初步预测， MLP为多层感知机函数，Norm(.)表示标准化过程，为由表示当前信息传播事件的节点感染状态S再复制一维得到的矩阵。

2.如权利要求1所述方法，其特征在于，步骤S1具体包括：

利用同一用户群体的评论关系矩阵、转发关系矩阵和朋友关系矩阵获取用户间的逻辑关系W，再由真实用户节点V和用户间的逻辑关系W构成用户关系逻辑图G＝(V，W)；

整合各用户的静态属性Xs；静态属性包括用户的粉丝数、朋友数、推文数和被转发次数；

计算用户关系逻辑图G对应的拉普拉斯矩阵A；

根据用户群体中所有节点当前的感染状态S得到节点收敛状态特征Xc以及对应的收敛状态编码 再得到群体中所有节点与当前信息事件对应的状态编码0

Xc 表示节点收敛状态特征Xc中的第一个状态值；所有用户节点特征X由其静态社交属性Xs与其状态编码Xa拼接而成X＝concat(Xs，Xa)。

3.如权利要求1所述方法，其特征在于，利用同一用户群体的评论关系矩阵、转发关系矩阵和朋友关系矩阵获取用户间的逻辑关系W的具体方法为：W＝σ(W1Com+W2Ret+W3Fri)

其中，Com为评论关系矩阵，Ret为转发关系矩阵，Fri为朋友关系矩阵，W1，W2，W3是三种用户关系的权重系数，σ为非线性激活函数。

4.如权利要求1所述方法，其特征在于，利用感知机获取用户群体中所用户节点中心性分数Cen＝Norm(H)·W4+b4，其中，W4为感知机网络系数，b4为感知机网络的偏置项。