1.一种针对社交网络领袖的影响力特征提取方法，其特征在于，包括以下步骤：S1、在社交网络中，根据用户的行为动作，确定用户的操作序列；

S2、根据操作序列，确定发出动作行为的用户时间惩罚因子；

S3、统计用户的所有历史操作，根据确定的时间惩罚因子，累加历史操作的所有操作结果，确定累积影响系数；

S4、根据用户时间惩罚因子和累积影响系数，量化并确定社交网络中的动作行为影响因子；

S5、根据动作行为影响因子分别建立亲近系数网、被关注度系数网、传播系数网和互动活跃度网，并分别计算对应的亲近系数、被关注度系数、传播系数和互动活跃度系数；

S6、根据亲近系数、被关注系数、传播系数和互动活跃度系数，建立影响力超网络模型；

S7、根据影响力超网络模型，提取社交网络领袖的影响力特征。

2.根据权利要求1所述的针对社交网络领袖的影响力特征提取方法，其特征在于，所述步骤S1中，所述操作序列中的信息包括发出行为动作的用户、该用户操作具体的行为动作、该用户执行操作过程中被关联的对象用户和用户进行该操作的具体时间；

所述步骤S4中，所述动作行为影响因子包括回复动作因子、转发行为因子、点赞动作因子、引用行为因子、提及动作因子、关注动作因子和发文行为因子。

3.根据权利要求2所述的针对社交网络领袖的影响力特征提取方法，其特征在于，所述步骤S2中，所述用户时间惩罚因子通过以下方式计算得到：其中，fp(T)表示在T时间差内的用户操作的时间惩罚因子；

V表示不考虑时间惩罚的原始影响系数值；

G表示重力因子。

4.根据权利要求3所述的针对社交网络领袖的影响力特征提取方法，其特征在于，所述步骤S3中，所述累积影响系数通过以下方式计算得到：其中，Sij表示在t-t0的时间差内，该操作下从用户i到j的累积影响力系数；

Vtij表示某天内对j同一操作的次数；

Vt表示某天内用户i同意操作的次数。

5.根据权利要求2所述的针对社交网络领袖的影响力特征提取方法，其特征在于，所述步骤S5中，所述亲近系数网中：

通过关注动作因子、提及动作因子和点赞动作因子构建亲近系数网；

所述亲近系数为：

式中，Ji,j表示关注动作因子；

mij表示i对j的提及动作因子；

mji表示j对i的提及动作因子；

lij表示i对j的点赞动作因子；

lji表示j对i的点赞动作因子；

所述被关注度系数网中：

通过所述关注动作因子、点赞动作因子、转发行为因子以及发文行为因子构建被关注度网；

所述被关注度系数为：

式中，Jij表示关注动作因子；

pi表示发文行为因子；

rtji表示j对i的转发行为因子；

lij表示i对j的点赞动作因子；

lji表示j对i的点赞动作因子；

所述传播系数网中：

通过所述回复动作因子、转发行为因子、发文行为因子和引用行为因子构建传播系数网；

所述传播系数为：

式中，rtji表示j为i的转发行为因子；

rpji表示j对i的转发行为因子；

qji表示j对i的回复动作因子；

pi表示发文行为因子；

所述互动活跃度网中：

通过提及动作因子、点赞动作因子、回复动作因子、引用行为因子和发文行为因子构建互动活跃度网；

所述互动活跃度系数为：

式中，li,j表示i对j的点赞动作因子；

mij表示i对j的提及动作因子；

rpij表示i对j的回复动作因子；

qij表示i对j的引用行为因子；

pj表示发文行为因子。

6.根据权利要求5所述的针对社交网络领袖的影响力特征提取方法，其特征在于，所述步骤S6中，所述影响力超网络模型为：其中，HyperRank(ui)表示用户节点ui的超边影响力Rank值；

Foci表示用户i的被关注度总值；

N为影响力超网络中总的节点数；

M(ui)是所有用户节点ui链接到的其他节点的集合；

L(ui)表示用户节点ui的链接节点数；

Foci表示用户i的被关注度系数；

Clsij表示亲近系数；

Spri,j表示传播系数；

Actij表示i对j的活跃度系数；

σ(x)为激活函数；

uj表示用户节点uj。

7.根据权利要求6所述的针对社交网络领袖的影响力特征提取方法，其特征在于，所述步骤S7中，提取社交网络领袖的影响力特征的方法具体为：设置阈值threshold，当用户结点在影响力超网络中的超边影响力Rank值超过阈值threshold时，将该用户结点作为影响力超网络中的关键结点，并作为网络领袖的人群节点集合，完成社交网络领袖的影响力特征的提取。