近年来，微博的迅猛发展，已经成为人们获取和传播信息的最主要的形式，由微博所引发的社会问题和危机事件也日呈频发态势。如何在纷繁复杂的微博信息发现热点话题，已经成为话题发现和跟踪领域研究领域的热点。同时，微博热点话题的发现，为网络舆情的监管，掌握事件发展动态，都提供有利的数据保证，具有十分重要的理论价值和现实意义。本文首先从微博信息收集入手，针对微博平台上API受限或不稳定等问题，自行设计了网络爬虫工具，并实现了信息收集手动和自动两种方式。其次，本文采用lucene对微博文本信息进行预处理，针对原有向量空间的不足，采用潜在语义分析方法对向量空间进行奇异值分解，达到了降低词袋维度和消除语义噪音等效果。再次，在分析了文本分类的各种算法的优缺点基础上，提出了采用朴素贝叶斯分类算法实现话题发现及跟踪。朴素贝叶斯分类算法是一种非常简单和有效的文本分类算法，计算待分类项出现的条件下，其它已知分类出现的概率，选择概率最大的，将待分类项归为该类。接下来，本文根据微博用户特征，通过lucene关键词的倒排索引，快速找到该关键词所在微博，继而找到该微博用户的关注度，通过词语的关注度，找到微博的关注度，最终计算话题关注度。相对于微博传统计算话题热度的方法，这种算法更多地考虑到微博自身用户特点，所以更有效和准确。最后，基于以上工作，本文实现了微博舆情分析系统，并对实验数据进行了测试，通过对实验结果的分析，找出在研究过程中的有待改进的地方，更加明确了今后研究工作的重点。