1.一种基于网络表征学习和邻居合力的微博用户社区发现方法，其特征在于，所述方法包括以下步骤：

步骤一：根据现有的微博数据，一个用户用一个节点表示；如果两个用户存在彼此之间的关注，则两个用户之间有一条连边；构建具有N个节点的微博网络模型G(V,E)，V表示节点，E表示节点之间连边；

步骤二：采用DeepWalk网络表征学习方法将具有N个节点的微博网络G转化为欧氏空间的N个r维向量，一个网络节点及其连边信息对应一个向量，其中第i个向量表示为r为大于或等于2的整数；

步骤三：任意选取微博网络中两个节点i和j，计算这两个节点的距离，该距离为相应的向量 和 之间的欧式距离；遍历整个微博网络，计算所有节点对之间的距离；

步骤四：将微博网络中的节点看成有质量的节点，计算微博网络中任意节点i的质量其中，mi表示节点i的质量，k表示节点i在微博网络G中的直接邻居节点的数量；Dij表示节点i与节点j之间的距离；

步骤五：计算任意节点i的邻居合力

其中 表示节点i的邻居合力，k表示节点i在微博网络G中的直接邻居节点的数量，为单位向量，其方向为节点i指向节点j；

步骤六：计算任意节点i的邻居合力中心性NFCi表示节点i的邻居合力中心性值，k表示节点i在微博网络G中的直接邻居节点的数量， 表示节点i的直接邻居j受到的邻居合力， 表示节点j到节点i的距离向量；

步骤七：遍历微博网络，计算所有节点的邻居合力中心性NFC的值，将NFC＞0的节点放入中心节点集合cluster中，将NFC≤0的节点放入普通节点集合uncluster中；

步骤八：任意选取普通节点集合uncluster中的一个节点，将其归属到与cluster集合中距离最近的节点所代表的社区，若其与cluster集合中距离最近的节点不止一个，将这个节点归属到NFC值更大的节点所代表的社区；遍历集合uncluster，用同样方法将所有普通节点都归属到集合cluster中节点所代表的相应社区，从而获得微博网络的初始社区划分，初始社区的数量为集合cluster当中的中心节点的数量；

步骤九：给微博网络中当前的社区编号1,2,3...,H，H表示微博网络现有的社区数量，根据现有微博网络的社区结构，计算微博网络的模块度其中，lc表示社区c内部所包含的边数，dc表示社区c中所有节点的度值之和，E表示微博网络中边的总数；

步骤十：任意选取微博网络G中的两个编号为m、n的社区，将二者合并，计算合并后微博网络的模块度，并将求得的模块度存入矩阵R中，Rmn表示社区m与社区n合并后的微博网络的模块度；其中，矩阵R为一个上三角矩阵；解除本次社区合并，用同样的方法计算任意两个社区合并后的微博网络的模块度，并将其记录到矩阵R中；

步骤十一：找到矩阵R中数值最大的元素Rαβ，以及对应的行列号α、β；比较Rαβ与Q的大小，若Rαβ＞Q，则将社区α与社区β合并，更新微博网络的社区结构；重复进行步骤九、步骤十、步骤十一，如果Rαβ≤Q，则当前的社区结构为最终的微博网络用户社区结构。