1.一种面向社交网络的多信息和多维网络信息传播模型，包括获取数据模块，用于获取社交网络数据，并对该社交网络数据进行预处理，其特征在于，还包括构建多维空间网络模块、多信息多维空间网络传播模型建立模块以及仿真分析模块，其中，构建多维空间网络模块，用于从真实社交网络数据中提取用户属性，其中用户属性包括用户信息、用户行为以及用户关系，用余弦相似度的方法明确话题传播的驱动因素来构建多维空间网络；

多信息多维空间网络传播模型建立模块，用于在构建多维空间网络的基础上借鉴传染病模型机理，考虑到不同类型的消息在不同的网络空间上传播并且存在相互作用，在传统的传染病模型的基础上引入“影响因子”用以表示不同信息之间的相互作用关系及强度；

仿真分析模块，用于从微观和宏观两个角度构建动力学方程来分析两条不同消息的共同演化趋势，微观上用微观马尔科夫的方法构建动力学方程，宏观上考虑消息具有传染病特性构建平均场方程分析两条消息的共同演化趋势。

2.根据权利要求1所述的面向社交网络的多信息和多维网络信息传播模型，其特征在于，所述构建多维空间网络模块主要分以下2个步骤；

S21：提取用户的标签和历史行为；

S22：用余弦相似度的方法构建多层网络，将提取到的用户标签用向量的形式表示，利用公式 来计算节点之间的相似性，其中 表示不同节点的标签向量，使不同的信息沿着不同的传播路径进行传播。

3.根据权利要求1所述的面向社交网络的多信息和多维网络信息传播模型，其特征在于，所述多信息多维空间网络传播模型建立模块主要分为以下几个步骤：S31：定义“影响因子”δ1(t)和δ2(t)，δ1(t)表示信息2对信息1的作用关系及强度，δ2(t)表示信息1对信息2的作用关系及强度；

S32：借鉴传染病机理，借鉴了SIS传染病模型，用S1和S2分别表示用户处于信息1和信息

2的易感染状态；用I1和I2分别表示用户处于信息1和信息2的已感染状态；用β1和β2分别表示信息1和信息2的传染率，即一个易感染用户接触到已感染用户从而被感染的概率；用μ1和μ2分别表示信息1和信息2的恢复率，既从已感染状态到易感染状态的概率；

S33：在以上两步的基础上，结合“影响因子”和SIS模型，并在考虑点边关系的基础上重新定义状态之间的转换概率，当用户i处于S1S2状态时，在(t+1)时刻被处于I1状态的邻居用户感染的概率为 同理被I2状态的用户感染的概率为 当用户i处于S1I2状态时，在(t+1)时刻被

处于I1状态的邻居用户感染的概率为 其中

PJ表示节点j在时刻t处于I1状态的概率，同理用户i处于I2S2状态

时被处于I2状态的邻居用户感染的概率

4.根据权利要求3所述的面向社交网络的多信息和多维网络信息传播模型，其特征在于，当0<δ1(t)<1时，信息2对信息1产生抑制作用，并且δ1越小表示抑制强度越大；当δ1(t)>1时，信息2对信息1产生促进作用，并且δ1越大表示促进强度越大；当δ1(t)＝1时，信息1和信息2没有关联互不影响。

5.根据权利要求3所述的面向社交网络的多信息和多维网络信息传播模型，其特征在于，所述仿真分析模块主要包括：S41：用算法生成相应的人工网络，利用python生成人工网络并且得到点边关系；

S42：将信息之间的相互作用以及点边关系与SIS模型相结合得到的微观马尔可夫方程；

S43：根据进行理论的分析：判断有效传染率，有效传染率＝传染率/恢复率，在本发明中信息1的有效传染率为 信息2的有效传染率为计算传播阈值，当有效传染率大于传播阈值时信息可以在网络中传播，相反当有效传染率小于传播阈值时信息不能在网络中流行起来，即系统稳定时所有的节点都是非感染状态。

6.根据权利要求5所述的面向社交网络的多信息和多维网络信息传播模型，其特征在于，所述步骤S43采用雅克布Jacobian矩阵来分析信息1和信息2有没有在网络中流行。

7.一种基于权利要求6所述系统的面向社交网络的多信息和多维网络信息传播方法，其特征在于，包括以下步骤：S1：获取数据：数据的获取可以直接从现有的基于Web的研究型推荐系统下载或者利用成熟的社交平台的公共API获取。并对数据进行预处理；

S2：建多维空间网络；从真实数据中提取用户属性其中包括用户信息、用户行为以及用户关系，用余弦相似度的方法明确话题传播的驱动因素来构建多维空间网络；

S3：构建多信息、多维空间网络的信息传播模型；借鉴传染病模型机理，考虑到不同类型的消息在不同的网络空间上传播并且存在相互作用，在传统的传染病模型的基础上引入了“影响因子”用以表示不同信息之间的相互作用关系及强度，由此构建的模型更能真实的反应信息传播的本质规律；

S4：仿真分析；从微观和宏观两个角度构建动力学方程来分析两条消息的共同演化趋势，微观上考虑到消息的传播具有马尔科夫特性，用微观马尔科夫的方法构建动力学方程，宏观上考虑消息具有传染病特性构建平均场方程分析两条消息的共同演化趋势。