随着互联网的高速发展,互联网实现了Web1.0到Web2.0的跨越,信息传播也从以前单一的方式变为了互动分享的方式。其中,微博平台得到了广泛的推广。用户们可以通过微博得到当前的热点信息,也可以通过发布微博来分享自己的日常生活或是爱好,微博这种可以互动分享的平台逐渐成为人们生活中必不可少的一部分。但是某些用户或者厂商会因为某种情绪或者某种利益关系发表一些不相关的评论,这些评论严重影响了用户的心情,甚至会误导用户。其次,这些评论也浪费了平台资源以及污染了平台环境。因此,对微博评论的筛选和排序是一项有意义的工作。本文的目的是通过建立模型对微博评论进行有效筛选,主要流程是:确定一个微博话题,爬取指定微博话题下的评论,随机抽取一定的样本数据,对评论进行文本向量化,利用Logistic回归模型、SVM模型、Knn模型、Bert模型和组合模型来完成评论的筛选。并利用筛选后的评论,从评论中挖掘出有效的观点,制定一个评论质量分数的计算公式,对评论进行排序。本文的创新点有:1、在问题的切入面上,因为通常的评论都是根据点赞数来排序的,可能有很多有效的评论排在后面导致用户看不到,本文提出的排序方法会让用户看到更多有效的评论。2、在模型的选择上,Bert模型是google在2018年发布的,这个模型在11中不同的NLP测试中创造出最佳成绩,通过将bert模型和其他基分类模型组合在一起后,模型的分类模型更准确。