随着移动互联网的发展,参与微博类社交平台的用户数呈指数级增长。据新浪微博去年第二季度财报统计,微博用户月活跃规模己达4.31亿。面对浩瀚如海的微博文本集,如何根据关键字、话题等查询需求,对检索结果集精确高效分析、可视化处理,是目前亟需的功能。而当前各微博平台的检索功能,只能返回文档形式的结果集。如何根据查询需求,对所有查询结果集做更有效的可视化处理,是微博信息平台目前面临的最大挑战。针对该挑战,本文构建了微博信息可视化系统,主要研究工作包括以下两个部分:第一,话题趋势与地域分析:首先使用WebCollector爬虫下载微博原始帖子,并根据规则预处理;然后再利用中文IK分词器插件和自定义扩展词典,对语料库中每篇短文本做分词、消歧、去停用词等处理,并生成对应的倒排记录表和词典;之后再利用ELK技术栈搭建分布式索引库和搜索引擎平台,将倒排记录表和词典中所有数据存储在该平台中;最后根据信息检索模型查询结果集,利用可视化组件Kibana对查询结果集做数据统计分析与可视化处理。通过该功能,可以帮助用户快速从结果集中获取与其相关的用户地域分布、话题发展趋势以及关注程度。第二,话题聚类:首先利用检索功能查询与目标话题相关的所有文本结果集;然后使用Lucene框架将返回的文本结果集生成对应的倒排索引,其过程主要包括文本分词、歧义处理、去停用词;之后再利用Lingo中的SVD聚类算法,使用自上而下的方式生成若干个子话题结果集;最后使用Carrot2可视化组件,根据设置的子话题个数、聚类离散度、文本得分阈值对子话题结果集可视化处理。通过该功能,用户可以调节聚类参数帮助其进一步明确查询需求、更高效的获取查询结果。