1.一种热点话题下多消息互影响的用户行为预测系统，其特征在于，包括：获取数据模块、构建模型模块及预测分析模块，其中获取数据模块，用于通过社交网络获取并统计数据，包括某话题下的多条消息、参与了这些消息的用户和用户的相关属性；

解析属性模块，用于将获取到的社交网络数据进行分析，分别从内部影响因素和外部影响因素来提取相关属性，内部影响因素即用户个人特征属性，外部影响因素即多消息之间相互影响属性；

构建模型模块，用于将用户自身的若干属性和多消息之间的相互影响属性作为输入，输入层节点数为7，输出用户是否参与话题，故输出层节点数为，按照专家经验，取输入层节点数与输出层节点数之积开平方作为隐含层节点个数，将BP神经网络中隐含层的节点个数设为3，然后不断调整输入层与隐含层之间的连接权重，确定好权重之后即对神经网络进行训练，得到用户是否会参与话题下多消息的参与预测模型；

预测分析模块，将输入数据输入到参与预测模型进行用户是否会参与该话题下其他消息的预测，通过分析得到的预测结果量化热点话题下消息间的相关性。

2.根据权利要求1所述的热点话题下多消息互影响的用户行为预测系统，其特征在于，所述获取数据模块中，多条消息的相关数据包括消息发表时间、转发路径，以及平均消息影响力；用户参与行为数据包括参与用户的个人信息及历史行为数据。

3.根据权利要求2所述的热点话题下多消息互影响的用户行为预测系统，其特征在于，所述解析属性模块提取参与某消息用户个人特征属性，用户的个人特征属性主要包括①用户vi的活跃度activity(vi)；②用户vi的标签中是否包括与热点话题相关的关键字isRelativeTag(vi)；③用户vi的历史转发率rateOfRetweet(vi)；将以上有关用户的自身特征属性用xik的统一形式描述，表示用户vi的第k个属性；

所述多消息之间相互影响属性主要包括①某消息mp与其它消息mq发表时间不同isDifT(mp,mq)；②某消息mp与其他消息mq转发源博是否相同isSameS(mp,mq)；③某消息mp与其他消息mq的博主是否相同isSameB(mp,mq)；④消息mp的平均消息影响力influence(mp)。

4.根据权利要求1所述的热点话题下多消息互影响的用户行为预测系统，其特征在于，所述构建模型模块主要包括以下处理步骤：S31：对抓取到的数据进行统计，按照用户自身特征属性和多消息之间相互影响属性进行量化；

S32：根据到抓取的数据对应输入层各个属性的函数值，以及组成是否会参与该话题下其他消息的结果集，在结果集中选取部分已得到的结果用来训练数据，同时剩下的未知的结果用来测试数据；

S33：根据专家经验，将学习率η设定为0.1，同时在(0,1)的范围内随机初始化网络中所有连接权和阈值；利用输入的属性，训练数据和BP算法进行模型拟合；

S34：根据当前参数以及公式 计算当前样本的输出 其中 表示

第k个训练例实际输出的第j维；βj表示输出层第j个神经元接收到的输入值；θj表示输出层第j个神经元的阈值；

S35：然后利用训练例的实际输出值和期望输出值计算输出层神经元的梯度项gj，其计算公式如下：在式1中， 表示训练例的实际输出值； 表示训练例的期望输出值；

S36：利用隐含层和输出层的数据计算隐含层神经元的梯度项eh。其计算公式如下：

在式2中，eh表示隐含层第h个神经元的输出；ωhj表示隐含层第h个神经元与输出层第j个神经元之间的连接权。

S37：然后根据求得的梯度项和训练集的输入进行更新连接权ωhj，νih与阈值θj，γh；

S38：更新迭代过程循环进行，直到训练误差达到设定值；

S39：若S37达到停止条件，则输出更新后的参数集合的值，即模型拟合完成，若没有达到，转到S34。

5.根据权利要求4所述的热点话题下多消息互影响的用户行为预测系统，其特征在于，所述预测分析模块将输入测试数据即可得出参与热点话题下某消息的用户是否会参与该话题下其他消息的讨论；通过预测后的结果集，可量化热点话题下多消息的相关性，同时定义多消息相关性指标，用来衡量多消息之间的互影响强度。

6.一种基于权利要求5所述系统的热点话题用户参与行为预测方法，其特征在于，包括以下步骤：第一步：获取数据源的步骤：通过社交网络获取并统计某话题下多条消息，以及参与了某消息下的用户和用户的相关属性；

第二步：提取属性的步骤：获取到数据之后进行分析，分别从内部影响因素和外部影响因素来提取相关属性，内部影响因素即用户个人特征属性，外部影响因素即多消息之间相互影响属性，主要考虑热点话题下多消息之间的相互影响。

第三步：建立模型的步骤；将用户自身的若干属性和多消息之间相互影响属性作为输入，按照专家经验，将BP神经网络中隐含层的节点个数设为3，不断调整输入层与隐含层之间的连接权重，确定好权重之后对神经网络进行训练，得到用户是否会参与话题下多消息的预测模型；

第四步：预测和分析的步骤：将输入数据输入到预测模型即可进行用户是否会参与该话题下其他消息的预测，另一方面，通过分析得到的预测结果量化热点话题下消息间的相关性。