网络pseudohealth的肆意传播信息对人们的健康带来极大危害,生活,和财产。是很重要的检测和识别网络pseudohealth信息。在此基础上,本文定义的概念pseudohealth信息,数据块和数据块集成,设计一个架构,结合了潜在狄利克雷分配(LDA)算法和数据块更新整合,并提出了组合算法模型。此外,爬虫技术用于爬行pseudohealth在新浪微博平台上的信息传播中“疫情”从2020年2月至3月的模拟试验实验数据集。研究结果表明,(1)LDA模型可以深入我的网络pseudohealth信息的语义信息,获得document-topic分布的特点,分类和火车主题特征作为输入变量;(2)数据集划分方法可以有效数据块的文本属性和类标签网络pseudohealth信息,可以准确地分类和集成块的数据通过数据块融合方法;和(3)考虑到组合模型具有一定的限制网络pseudohealth的检测信息,支持向量机(SVM)模型可以提取数据块的粒度内容pseudohealth实时信息,从而大大提高识别性能的组合模型。