随着社会化媒体的发展,网络舆论数据急剧增长,有效的网络舆论数据可视分析对舆论的疏导和营销策略的制定起着至关重要的作用。由于数据获取的广泛性和获取渠道的多样性,网络舆论数据呈现海量特性、多维特性和时空特性,本文从这些特性出发,在海量层次数据可视化和多维时空数据可视化方面做了大量研究工作。树图是用于层次数据可视化的最强大的空间填充技术之一,然而,随着数据量的增大,树图的嵌套层级变多,其布局算法会带来大的视觉混乱。交互式探索是缓解树图中视觉混乱的有效方法,它以增加交互的方式减少视图中可视化的节点数量。然而,现有的交互式探索方法存在一些缺陷,如二维平面上的平移、缩放方法提供的上下文信息有限,视图查询方法需要先验知识。为此,本文提出了基于用户交互进行非均衡加权的最小描述长度原则(UMDL)方法,该方法在获得焦点时,控制焦点区域内的节点直接显示或者由聚合节点显示,在交互过程中始终提供高质量的视图。此外,该方法与现有的交互式探索方法不冲突,可以根据不同的情景有选择地进行融合,达到更好的效果。通过张量分解获取多维时空数据在各个维度的度量值,并分别对每个维度进行可视化是多维时空数据可视化的常用方法。但是,数据量增大时,该方法很难提供实时视图。并且随着数据采集时间的增长,时间维度的数据量增多、时间跨度变广,提高时间维度可视分析的灵活性就变得至关重要。现有的可视分析框架很难满足这一要求,针对这一问题,本文提出了一种基于时间维度的多分辨率张量分解可视分析框架。该框架利用时间粒度固有的层级结构建立基于时间维度的多分辨率张量视图,借助多层级的存储结构加速张量的构建,加速数据探索中的视图更新。基于上述研究,本文实现了网络舆论数据可视分析系统。该系统实现了数据采集、数据过滤、数据存储和数据可视分析等功能。在数据可视分析中,系统采用多视图协作的方式提供数据分析的不同角度,帮助数据分析人员更好地进行对比、分析和验证。