1.一种舆情事件中社交媒体用户角色分类方法，其特征是按如下步骤进行：
步骤1、获取社交媒体中的用户信息：
步骤1.1、构建用户集合u∈{1,2,...,u…,|u|}，其中，u表示用户的序号，|u|表示社交媒体中用户的数量；
步骤1.2、获取社交媒体中|u|个用户的行为数据，其中，所述用户集合u中第u个用户的行为数据包括：第u个用户关注的用户数量
步骤1.3、获取社交媒体中|u|个用户发布的文本信息，并去除所有停用词后，构成文本集合；其中，第u个用户去除停用词后所对应的文本信息，记为
步骤2、基于社交媒体中用户的行为数据和文本信息，构建非参贝叶斯模型-混合狄利克雷过程混合模型h-dpmm：
步骤2.1、对于社交媒体中的第u个用户，按照式(1)生成第u个用户对应的角色ru：
ru～multinomial(π),π～dirichlet(α)(1)
式(1)中，～表示服从，multinomial(·)表示多项式分布，dirichlet(·)表示狄利克雷分布，π表示多项式分布的超参数，α表示狄利克雷分布的超参数；
步骤2.2、对于社交媒体中的第u个用户，按照式(2)生成第u个用户的主题分布θu：
θu～multinomial(ρk),ρk～dirichlet(α1)(2)
式(2)中，ρk表示第k个角色对应的主题分布，且k∈{1...k}表示角色索引，α1表示狄利克雷分布的超参数；
步骤2.3、对于社交媒体中的第u个用户，按照式(3)生成第u个用户的行为特征vu：
vu～guassian(ηk),ηk～inv-wishart(α2)(3)
式(3)中，guassian(·)表示高斯分布，inv-wishart(·)表示逆威沙特分布，ηk表示第k个角色对应的行为分布，α2表示逆威沙特分布的超参数；
步骤3、基于通过社交媒体中观察到的用户集合u，设计吉布斯采样，对用户的角色分布进行参数推断：
步骤3.1、初始化u＝1；
步骤3.2、假设当前采样角色的用户为用户集合u中的第u个用户，并根据式(4)依次采样第u个用户的角色ru：
式(4)中，r表示在当前采样过程之前已经出现的某个角色，
步骤3.3、将u+1赋值给u，并返回步骤3.2执行，直到u＝|u|为止；从而为每个用户分配角色并得到角色分类结果；
步骤3.4、重复步骤3.1-步骤3.3的采样过程，从而更新每个用户所分配的角色，并更新第k个角色对应的行为分布ηk和第k个角色对应的主题分布ρk，当所有用户的角色不再变化，且角色分类结果不变时，输出最终的所有角色的行为分布和主题分布；其中，最终的第k个角色对应的行为分布记为
步骤4、根据最终的所有角色的行为分布和主题分布，对社交媒体中用户进行角色分类。