随着社交网络的飞速发展,网络舆情的监测和控制受到了越来越大的挑战,本文针对社会影响较大的网络舆情事件中起到一定传播和影响作用的人物进行数据挖掘分析,并给出这些人物的用户画像,在此基础上,可以对这些人进行实时监测,有利于在第一时间获取违规言论,及时控制事件的恶性影响传播。在总结了网络舆情和用户画像的相关研究的基础上,本文提出了一种针对重点人物微博数据的文本分类的方法,并将此方法应用到了本文实现的系统里。本文的主要工作有以下几点:(1)提出一种基于LDA主题模型和KNN文本分类算法的重点人物微博内容分类方法。利用LDA主题模型获取带有语义信息的主题词矩阵,并将词矩阵做为KNN文本分类算法的输入,得到主题矩阵的分类结果,此结果作为微博内容的分类结果(分类结果类型为人为伤害类型、自然灾害类型、政治倾向性类型或其他类型四种类型中的一种)。(2)利用本文提出的分类算法,结合SSH框架和Spark分布式技术,采用Java语言,设计并实现了针对网络舆情事件中传播影响较大的人物的用户画像系统。最后,针对本文提出的算法和实现的系统,进行了测试,验证了系统的可行性和有效性。