食品安全关系国民的身体健康和生命安全,相关舆情历来都是广大民众所关注的焦点。在互联网高速发展的今天,有关食品安全的舆情在互联网推动下,容易快速传播与扩大。随着参与者的增加,舆情不断发酵形成大型舆情事件,会给社会稳定带来极大冲击。为此,对食品安全网络舆情的研究具有重要的研究意义及应用价值。本文选择食品安全网络舆情的话题发现作为切入点,深入研究了我国视频媒体的食品安全网络舆情的爬取技术、话题发现模型以及系统开发技术,所做的主要工作包括:（1）食品安全网络舆情的数据爬取技术研究。面对动态网页数据获取困难与爬取不稳定的问题,分析研究动态网页使用的Ajax技术,结合Scrapy爬虫框架采用Selenium自动化与逆向分析两种方式爬取哔哩哔哩视频网站有关食品安全的视频评论。对比分析了爬取技术的运行性能及爬取限制的应对策略,为获取具有时效性的食品安全网络舆情数据提供了可靠的方法。（2）食品安全网络舆情的话题发现模型研究。对爬取的舆情数据进行预处理和特征表示,为提高话题发现模型的稀疏性与光滑度提出基于Elastic Net的非负矩阵分解（Non-negative Matrix Factorization,NMF）话题模型,通过奇异值分解对模型初始化,并采用非线性Gauss-Seidel方法对模型进行求解。与潜在狄利克雷分布（Latent Dirichlet Allocation,LDA）话题模型进行了对比实验,结果表明NMF话题发现模型具有耗时短和获取话题质量高的优势。此外,根据舆情评论时间、点赞数与回复数进一步分析了话题演变和热点话题。（3）食品安全网络舆情的话题发现系统开发。基于Scrapy、Flask、Bootstrap以及Mongo DB等技术设计与实现了具有爬虫控制、数据采集、数据可视化以及话题分析等功能的食品安全网络舆情话题发现系统。该系统实现了基于Web从食品安全网络舆情数据爬取至话题发现的可视化操作,预期可以有效应用于食品安全网络舆情的监测。