网络时代的到来,使得各种社会化网络纷纷出现。互联网已经成为社会大众获取、传播信息的主要方式,通过网络平台,人们可以更加方便的获取信息,交流自己的想法,进而表达自己的情感。人们由原来被动的接收信息变为现在信息的主动创造者,不但增加了人们的参与意识,而且调动了人们的积极性。海量的多元信息,涉及多个领域,存在着巨大地潜在价值。国内外学者已开始利用这些信息,通过对其进行分析,来做出更加准确的判断与决策。股票市场的走势是人们关注的热点之一,大量充斥在网络上的信息能够很好地表现出人们的观点,对股市预测具有重要意义。本文以股市交易数据为基础,借助我国使用较为广泛的搜索引擎百度以及用户活跃度较高的微博作为数据来源,利用文本挖掘和机器学习技术构建股市预测模型。本文主要在以下几个方面进行了研究:(1)利用百度指数提供的相关检索词获取分析词库,分析百度搜索指数周数据和股票周数据的相关性,将关键词分类,根据关键词的重要性,对关键词作进一步筛选。(2)获取股市预测所需要的微博文本数据,并对所得数据进行整理,计算微博情感倾向性期望值。(3)对影响微博影响力的相关因素进行分析,为每条微博赋予权重,结合已得微博情感倾向性期望值,计算微博情感综合倾向性期望值。(4)构建基于股市交易数据和微博情感综合倾向性期望值的股市预测SVM模型,为了检验该模型的预测效果,将所构建模型与基于微博情感综合倾向性期望值的股市预测模型和基于股市交易数据的股市预测SVM模型进行比较。(5)实证研究,结果表明:综合考虑股市交易数据和微博情感综合倾向性期望值的股市预测SVM模型具有更好的预测效果。