技術(shù)特征：

1.一種改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，其包括如下單元：

監(jiān)控分詞單元，用于建立優(yōu)質(zhì)節(jié)點信息傳播監(jiān)控模型；

優(yōu)質(zhì)節(jié)點探測單元，用于從互聯(lián)網(wǎng)社交系統(tǒng)中探測優(yōu)質(zhì)節(jié)點；

預(yù)警單元，用于利用優(yōu)質(zhì)節(jié)點信息傳播監(jiān)控模型對優(yōu)質(zhì)節(jié)點發(fā)布的信息進行監(jiān)控，在監(jiān)控到敏感信息時，將敏感信息以及發(fā)布敏感信息的優(yōu)質(zhì)節(jié)點信息發(fā)送到累加單元；

累加單元，用于根據(jù)敏感信息的權(quán)值選擇將敏感信息以及發(fā)布敏感信息的優(yōu)質(zhì)節(jié)點信息發(fā)送到網(wǎng)絡(luò)監(jiān)管中心；

累加單元包括：

權(quán)值設(shè)定子單元，用于預(yù)先存儲各類敏感信息的影響權(quán)值；

累加子單元，用于在接收到預(yù)警單元發(fā)送的敏感信息時，判斷接收的敏感信息的權(quán)值，并將敏感信息的權(quán)值進行累加；

閾值設(shè)定子單元，用于進一步判斷累加后的權(quán)值是否超過報警閾值，在超過報警閾值時，將敏感信息以及發(fā)布敏感信息的優(yōu)質(zhì)節(jié)點信息發(fā)送到網(wǎng)絡(luò)監(jiān)管中心。

2.如權(quán)利要求1所述的改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，

監(jiān)控分詞單元包括：

第一分詞子單元，用于將需要訓(xùn)練的網(wǎng)絡(luò)語言信息按照語言表達規(guī)律進行分詞；

第二分詞子單元，用于判斷第一分詞子單元分詞后是否可以繼續(xù)進行第一分詞子單元進行分詞，如果不能繼續(xù)分詞，則進行細粒度分詞，否則跳轉(zhuǎn)到第一分詞子單元按照語言表達規(guī)律進行分詞；

敏感詞數(shù)據(jù)庫，用于存儲需要監(jiān)控的敏感信息詞匯。

3.如權(quán)利要求2所述的改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，

所述優(yōu)質(zhì)節(jié)點探測單元包括：

集合確定子單元，用于提取需要探測的優(yōu)質(zhì)節(jié)點所在的社交網(wǎng)絡(luò)節(jié)點集合；

映射建立子單元，用于對社交網(wǎng)絡(luò)節(jié)點集合中的社交網(wǎng)絡(luò)節(jié)點建立社交網(wǎng)絡(luò)的節(jié)點映射關(guān)系；

模型建立子單元，用于根據(jù)優(yōu)質(zhì)節(jié)點的活動規(guī)律提取探測優(yōu)質(zhì)節(jié)點特征；根據(jù)提取的優(yōu)質(zhì)節(jié)點特征建立優(yōu)質(zhì)節(jié)點探測的特征規(guī)則模型；

訓(xùn)練子單元，用于將社交網(wǎng)絡(luò)節(jié)點作為實驗樣本進行分組，然后進行分組訓(xùn)練和節(jié)點分類；

修正子單元，用于對優(yōu)質(zhì)節(jié)點探測的結(jié)果進行評估并反饋結(jié)果，并在反復(fù)地訓(xùn)練過程中將不符合探測優(yōu)質(zhì)節(jié)點特征的規(guī)則進行校正，從而達到對模型進行優(yōu)化的目的；

迭代子單元，用于將優(yōu)化后的模型再次回到訓(xùn)練子單元中節(jié)點訓(xùn)練與分類環(huán)節(jié)進行優(yōu)質(zhì)節(jié)點探測以提高探測進度，并進行迭代運算直到優(yōu)質(zhì)節(jié)點的探測進度超過設(shè)定閾值從而完成整個社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測過程。

4.如權(quán)利要求3所述的改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，所述預(yù)警單元包括：

數(shù)據(jù)獲取子單元，用于爬取優(yōu)質(zhì)節(jié)點發(fā)布的實時數(shù)據(jù)并寫入數(shù)據(jù)緩存庫；

聚類子單元，用于按照預(yù)定算法對第一預(yù)定時間段內(nèi)的實時數(shù)據(jù)進行排序，篩選出第一預(yù)定時間段內(nèi)的超過預(yù)設(shè)熱度值的信息；對第二預(yù)定時間段內(nèi)的由實時數(shù)據(jù)構(gòu)成的文本進行突發(fā)詞抽取，進而進行向量化，對向量化的文本進行聚類，選取各類中異常值最大實時數(shù)據(jù)作為監(jiān)測到的異常信息；根據(jù)預(yù)設(shè)閾值顯示相應(yīng)條數(shù)的預(yù)設(shè)熱度值的信息和異常信息；

判斷子單元，用于將預(yù)設(shè)熱度值的信息和異常信息發(fā)送到監(jiān)控分詞單元進行篩選判斷是否存在敏感詞；在監(jiān)控到敏感詞時，將敏感詞以及發(fā)布包含敏感詞信息的優(yōu)質(zhì)節(jié)點信息發(fā)送到累加單元。

5.如權(quán)利要求4所述的改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，

所述模型建立子單元中根據(jù)優(yōu)質(zhì)節(jié)點的活動規(guī)律提取探測優(yōu)質(zhì)節(jié)點特征包括：

設(shè)置節(jié)點被判斷為優(yōu)秀節(jié)點的節(jié)點屬性，在某一節(jié)點具備優(yōu)秀節(jié)點的節(jié)點屬性時，則該節(jié)點屬性具有高優(yōu)質(zhì)性的特征；

設(shè)置節(jié)點之間隨著時間的推移就應(yīng)具備頻繁的交互性，稱之為交互度V_inter；在社交網(wǎng)絡(luò)中，如節(jié)點具有核心節(jié)點的特征，且它們與周邊節(jié)點間存在連接邊；在這些連接邊中，將優(yōu)質(zhì)節(jié)點的主動交互看作是出度V_out，出度為自身指向其它節(jié)點的邊，而被動交互看作入度V_in，入度為其它節(jié)點指向自身的邊，則優(yōu)質(zhì)節(jié)點往往同時存在超過第一預(yù)設(shè)閾值的入度和出度，且出度入度比接近于1；

將同時存在超過預(yù)設(shè)值的入度和出度，且出度入度比大于1且大于第二預(yù)設(shè)閾值的節(jié)點作為非優(yōu)質(zhì)節(jié)點。

6.如權(quán)利要求5所述的改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，所述模型建立子單元中優(yōu)質(zhì)節(jié)點探測過程的矩陣表示如下：

映射矩陣為被探測對象的入度與出度之間的映射關(guān)系矩陣；其中，M_in×out表示矩陣名稱，In表示節(jié)點的入度集合，Out表示節(jié)點的出度集合；V_i,in,i＝1...n和V_j,out,j＝1...m分別表示節(jié)點i的入度和節(jié)點j的出度；i＝1...n，j＝1...m表示節(jié)點i入度和節(jié)點j出度比值；當(dāng)i＝j(luò)時，可對優(yōu)質(zhì)節(jié)點和非優(yōu)質(zhì)節(jié)點進行探測，此時優(yōu)質(zhì)節(jié)點的P_ij趨向于1，而非優(yōu)質(zhì)節(jié)點的P_ij大于1且大于第二預(yù)設(shè)閾值或小于1且小于第三預(yù)設(shè)閾值；而當(dāng)i≠j時，若P_ij＝0表明不同節(jié)點間不存在交互關(guān)系，否則節(jié)點間就存在交互關(guān)系。

7.如權(quán)利要求6所述的改進型基于計算機大數(shù)據(jù)的社交網(wǎng)絡(luò)中優(yōu)質(zhì)節(jié)點探測系統(tǒng)，其特征在于，所述修正子單元中還包括制定探測結(jié)果的召回率和準(zhǔn)確率，并對準(zhǔn)確率進行閾值設(shè)定，以決定是否跳轉(zhuǎn)到迭代子單元進行迭代運算過程。