近年来,随着互联网的发展,以及Web2.0与移动终端的快速普及,传统的信息传播渠道逐渐向网络信息传播渠道靠拢。属于互联网产物的社交网也成为了当今最流行的信息传播媒介。随着社交网络自身潜在的全球化性质,允许来自不同国家的用户进行连接,国际性的信息也因此得到了快速便捷传播。近些年,社交网络的发展使得网络中的信息变的多元化,而不再是同一背景下所产生的信息,给人类社会带来了明显的经济革命的同时,也带来了极大的危害。各种信息通过在线社交网络向世界各地进行自由流动,这使得信息流窜各国之间更加频繁。与此同时,监控来自世界各地的不良信息变的更加艰难。如何掌握不良信息的动向并对其进行监控才是值得我们关注的话题。因此为避免社交网络中不良信息的大规模传播,及时发现不良信息传播的关键用户,对于严格把控突发舆情事件以及降低其对社会造成的不良影响具有重要的研究意义,同时具有一定的挑战。本文从用户的历史行为数据出发,考虑了社交网络用户(SNS users)之间的交互关系,针对海量的用户行为历史数据,设计了基于Spark的计算模型。首先根据社交网络结构及其用户数据构建带权社交网络模型,然后借鉴PageRank算法并对其进行扩展,以有效地计算用户之间的信息传播影响力,进而以地区划分选取不同的跨境关键用户。总的来说,本文的主要工作概括如下:(1)针对突发信息在社交网络中的传播特性,通过用户的海量信息数据,挖掘出用户之间的信息传播能力贡献衡量指标,基于Spark计算框架,量化这些指标,进而转化为社交网络模型边上的权重,从而得到带权社交网络模型。(2)基于带权社交网络模型,节点的信息传播能力是由粉丝节点对其关注节点的贡献累加计算的,采用PageRank算法思想,提出基于Spark的节点信息传播影响力计算方法,从而得到每个节点信息传播能力。(3)根据用户所在地属性来区分节点,为了使选取的关键节点有较高的跨境突发信息的检测性,本文设计了基于Spark的关键节点选择算法,通过不同国籍属性针对不同地区节点选取不同的关键节点。(4)本文通过ASL冰桶挑战案例对本文的理论方法进行了分析。