本文研究了实现以地理位置信息为侧重点的新闻收集分析平台的相关技术,其最终实现的应用系统可以凸显新闻发生地对新闻事件浏览、分析所带来的重要参考作用。在本课题研究中,主要做了以下三点研究工作。针对网络新闻数据更新基数大,但其质量参差不齐、存在“标题党”或以篇盖全类垃圾新闻的特点,研究并实验了一种基于主题词分布的垃圾新闻识别算法。该算法以标题主题词在正文中的分布情况来得到相关概率,以此概率大小来判断是否为垃圾新闻。实验表明该算法的识别率可达到85.71%,高于基于主题句相似度计算方法的72%。通过该算法在本系统中的应用,可使垃圾新闻被收集到系统中的概率大大降低,保证了分析数据源有较高的纯净度。针对现有技术直接从新闻正文中抽取发生地准确率较低的问题,研究并实验了一种基于要素关联树的发生地抽取算法。该算法先生成标题的要素关联树,再对包含候选发生地的正文句子进行关联度评价。实验表明,本算法对发生地的抽取准确率可达87.25%,召回率可达97.8%,两项指标均高于基于相似度计算的算法。该算法可使在本系统高效地处理大量新闻内容,保证了系统了可用性。在解决了以上技术难点的基础上,设计实现了一个基于以上研究的应用系统。系统综合应用了数据库、自然语言处理、Ajax异步通信等多种软件技术。系统中共有12个功能模块,分为收集子系统、分析子系统、服务模块三大部分,分别由Python、JavaScript、C++三种语言编程实现。最后,由对系统的综合测试表明,本系统功能较为完善、性能满足收集与分析需求,4项功能指标也均优于现有类似系统,研究达到了预期目的。