1.一种基于隐链接的用户参与热点话题行为分析方法，其特征在于，数据源获取模块获取数据源，提取好友关系、过往行为、个人属性；从好友关系中获取显示链接F信息，建立多维云模型从用户过往行为中获取隐链接H信息，根据个人属性获取个人兴趣I信息，随机性R信息；建立用户参与热点话题行为影响力模型FHIR模型，计算用户参与热点话题受F、H、I、R各因素影响的驱动概率，获取上述因素对用户参与某话题的驱动强度，根据驱动强度动态调整网络资源。

2.根据权利要求1所述的方法，其特征在于，所述获取隐链接H信息进一步包括：多维云模型根据用户及好友过往行为，根据用户行为获得两用户的行为相似度，计算用户对共同关注热点话题标签相似系数，根据行为相似度和标签相似系数计算两用户相似度，根据预定阈值和相似度判断用户与好友是否建立隐链接。

3.根据权利要求2所述的方法，其特征在于，所述计算两用户相似度具体为：根据公式：

计算两用户对共同关注热点话题标签相似系数，根据相似系数及两用

户行为相似度Sc(Ui,Uj)，调用公式：S(Ui,Uj)＝δ*Sc(Ui,Uj)计算两用户相似度，其中，ui(l)∩uj(l)为用户ui、uj共同标签，ui(l)∪uj(l)为用户ui、uj的所有标签。

4.根据权利要求2所述的方法，其特征在于，当用户参与热点话题k讨论的驱动力因素为F、I、R时，根据公式：Pk＝PF*f(k/F)+PI*f(k/I)+(1-PF-PR)*f(k/R)计算用户参与热点话题k讨论的概率，其中，f(k/F)表示目标用户基于“显示链接”而参与热点话题讨论的概率，f(k/F)＝TF(k)/NF， NF为该用户的所有显示链接好友所参与过的所有话题量；f(k/I)＝TI(k)/NI，

NI为ui所参与的所有话题类型的发帖均量；f(k/R)＝1/NR，NR为ui当前可参与的所欲帖子数量；根据最大似然估计，当 取最大值时获得的PF、PI、PR即为显示链接F、个人兴趣I、随机性R的驱动强度。其中，Pk为用户参与话题k的概率，K为话题数。

5.根据权利要求2所述的方法，其特征在于，当用户参与热点话题k讨论的驱动力因素为H、I时，根据公式：Pk＝PH*f(k/H)+PI*f(k/I)+(1-PH-PI)*f(k/R)计算用户参与热点话题k讨论的概率，其中，f(k/H)＝TH(k)/NH，NH为用户ui在驱动为H时所有参与过的话题数量，根据最大似然估计，当 取最大值时获得的PH、PI即为驱动力为F、I时的驱动强度。

6.根据权利要求2所述的方法，其特征在于，当用户参与热点话题k讨论的驱动力因素为F、H、I、R时，根据公式：Pk＝PF*f(k/F∪H)+PI*f(k/I)+(1-PH-PR)*f(k/R)计算用户参与热点话题k讨论的概率，其中，f(k/F∪H)＝T(k)/NH∪F，f(k/R)＝TR(k)/NR, NR为用

户ui在驱动为R时所参与的所有话题类型的发帖均量，NH∪F表示参与热点话题k讨论用户驱动力为H、F时的好友所有参与讨论的话题量；根据最大似然估计，当 取最大值时获得的PF、PH、PR、PI即为驱动力为F、H、R、I时的驱动强度。

7.一种基于用户参与社交话题行为的影响力系统，包括，数据源获取模块获取数据源，提取好友关系、过往行为、个人属性；从好友关系中获取显示链接F，建立云模型从过往行为中获取隐链接H，根据个人属性获取个人兴趣I，随机性R信息；定义影响力因子并建立影响力模型分析不同用户所受驱动因素并且计算受显示链接F、隐链接H、个人兴趣I、随机性R因素对用户参与某热点话题的驱动强度，根据驱动强度动态调整网络资源。

8.根据权利要求7所述的系统，其特征在于，所述获取隐链接H信息进一步包括：多维云模型根据用户及好友过往行为，根据用户行为获得两用户的行为相似度，计算用户对共同关注热点话题标签相似系数，根据行为相似系数和标签相似系数计算两用户相似度，根据预定阈值和相似度判断用户与好友是否建立隐链接。

9.根据权利要求8所述的系统，其特征在于，所述计算两用户相似度具体为：根据公式：

计算两用户对共同关注热点话题标签相似系数，根据相似系数及两用

户行为相似度Sc(Ui,Uj)，调用公式：S(Ui,Uj)＝δ*Sc(Ui,Uj)计算两用户相似度，其中，ui(l)∩uj(l)为用户ui、uj共同标签，ui(l)∪uj(l)为用户ui、uj的所有标签。