近年来，互联网的高速发展和快速普及，使得越来越多的用户在网上发表自己的言论与看法。网络信息的载体也越来越多样化，从早期的电子邮件、门户新闻、BBS论坛到现在的博客、微博、社区、即时通讯等等方式，网民可以充分利用这些网络资源，浏览新闻、发表评论、转发他人意见，导致网络舆情的发展和传播不可控制。对于上市公司而言，危机网络舆情对其的影响越来越严重。一旦企业发生了突发事件，不仅在传统媒体上进行传播，在互联网上更会以几何倍数的蔓延开来。企业需要监控网络舆情，需要知道危机舆情的发展态势，需要掌握在互联网上企业的形象和名誉，这与企业的经济效益和社会地位是直接相关的。传统的舆情监控系统软件可以实现上述目的，但现在网络资源已是海量数据，对于这种大数据的处理，传统的方式显得力不从心，效率低下，难以达到实时监控。本课题研究开发的基于Hadoop的上市公司舆情挖掘系统，利用Hadoop的分布式海量数据处理性能，可以有效解决这一难题，实现高性能的海量数据挖掘，帮助上市公司监控网络危机舆情。本系统从数据采集、数据挖掘、数据存储和数据展示4个方面，提供一体化舆情挖掘流程。主要工作如下：（1）利用eTools元搜索工具和Nutch爬虫对网络资源进行抓取；（2）使用jsoup、Tika等工具对网页内容进行提取；（3）整合Lucene和Solr对网页建立索引，提供搜索功能；（4）结合Hadoop框架和Mahout算法库对海量数据进行挖掘和机器学习，基于聚类和分类的算法，发现舆情热点，展示舆情态势。（5）综合使用XML、关系型数据库MySQL、HDFS文件系统等格式存储系统中的数据。