随着互联网的高速发展,微博作为一个新兴的社交网络平台,得到了广泛的应用。在满足了人们的网络社交需求的同时,微博也成为了网络舆情发生与传播的重要场域,微博舆情分析的必要性也日益凸显。微博具有文本简短、传播较快、数据量大等特征,故而微博舆情分析与传统的网络舆情分析相比存在许多不同。本文对网络舆情分析的相关技术进行研究,结合微博的特点,设计并实现了一个微博舆情分析系统。本文中的微博舆情分析系统主要有这些特征:第一,通过调用微博API实现对微博数据的实时采集,同时应用微博过滤策略,对原始微博数据进行过滤;第二,调用NLPIR系统接口对微博文本进行中文分词与词性标注,并自建一个用户词典,扩展了用户在分词过程中的自主能力;第三,应用停用词过滤策略,从词汇词性、词汇长度、停用词表三个方面进行停用词过滤,剔除文本信息量较低的词汇;第四,对微博文本集合进行低频词过滤,在此基础上建立LDA主题模型,并以困惑度为评价标准,选择LDA主题模型的最优主题数,最后将微博文本表征为主题向量的形式;第五,以Jensen-Shannon距离作为相似性度量标准,对微博文本集合进行K-MEANS聚类分析,并考虑了LDA主题模型最优主题数与文本类别数之间存在的联系,将初始K值设置为与最优主题数相关。第六,从微博文本的主题概率分布的角度出发,提取微博文本聚类结果中的话题信息,并考虑了微博的时序特征,以微博数量和增长速度为标准,评判话题的热度并对其进行排序。