1.一种基于在线社交网络的信息传播模型，其特征在于，包括：获取数据模块、多维属性驱动机制建立模块、动态演化策略建立模块及热点话题传播模型构建模块，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数据处理；

多维属性驱动机制建立模块，用于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，利用多元线性回归方法构建用户多维属性驱动机制；动态演化策略建立模块，用于定义感知流行度、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动态演化策略；热点话题传播模型构建模块，用于以传统SIR传染病模型为基础，结合多维属性驱动机制和动态演化策略建立热点话题传播模型，分析内部驱动因素和外部驱动因素对信息传播的影响。

2.根据权利要求1所述基于在线社交网络的信息传播模型，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，主要包括用户信息、用户社交关系、用户历史行为记录三个方面的数据；数据处理主要包括：对以上三个方面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2所述基于在线社交网络的信息传播模型，其特征在于，所述多维属性驱动机制建立模块构建用户多维属性驱动机制，首先，分别从网络拓扑结构和用户历史行为属性两个方面提取用户属性；然后，根据提取的属性量化驱动力形成的网络结构要素fnetwork(ui)和用户历史行为要素fhistory(ui)，用多元线性回归的方法构建用户多维属性驱动机制，并求解基于内部驱动因素用户参与话题的驱动力Dri(ui)。

4.根据权利要求3所述基于在线社交网络的信息传播模型，其特征在于，所述网络拓扑结构提取用户属性包括：用户的度Deg(ui)、用户介数CB(ui)，所述用户历史行为属性包括：内容相似性Sim(ui)、活跃用户Act(ui)。

5.根据权利要求3所述基于在线社交网络的信息传播模型，其特征在于，所述动态演化策略建立模块定义感知流行度、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动态演化策略包括：首先，定义收益矩阵Pn和Pa以及感知流行度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方程建立动态演化策略。

6.根据权利要求5所述基于在线社交网络的信息传播模型，其特征在于，所述热点话题传播模型构建模块，将多维属性驱动机制和动态演化策略结合，以传统SIR模型为基础构建信息传播模型，分别将用户参与话题的驱动力Dri(ui)和动态策略比例xn和xa在内的参数输入到传统SIR模型,进而构建新的热点话题信息传播模型。

7.根据权利要求5所述基于在线社交网络的信息传播模型，其特征在于，所述策略集包括定义“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，反之亦然，我们用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，下面我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。

8.一种基于权利要求1所述模型的基于在线社交网络的信息传播方法，其特征在于，包括以下步骤：

获取数据的步骤、建立多维属性驱动机制的步骤，建立动态演化策略的步骤及构建热点话题传播模型的步骤。

9.根据权利要求8所述的基于在线社交网络的信息传播方法，其特征在于，获取数据的步骤主要从现有的社交媒体获取热点话题下的用户社交关系、用户历史行为信息；建立多维属性驱动机制的步骤主要包括，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，利用多元线性回归方法构建用户多维属性驱动机制；建立动态演化策略的步骤包括，定义感知流行度、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动态演化策略；构建热点话题传播模型的步骤包括，以SIR模型为基础，结合多维属性驱动机制和动态演化策略建立热点话题传播模型，分析内部驱动因素和外部驱动因素对信息传播的影响。

10.根据权利要求9所述的基于在线社交网络的信息传播方法，其特征在于，所述获取数据的步骤还包括对数据处理的步骤，主要包括：对用户信息、用户社交关系、用户历史行为记录三个方面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。