随着Internet的飞速发展，网络聊天室以其操作简单、方便快捷、私密性好等优点已经迅速发展成为最普遍的网络交流方式之一。它在为用户带来便利的同时，也为一些别有用心的人进行恶意甚至违法的活动打开了方便之门。因此，对聊天室内容进行监控已成为亟待解决的问题。 对聊天数据进行预处理是聊天室内容监控过程中的基础部分，预处理结果的好坏，直接影响到监控系统工作的稳定性、快速性和准确性。由些可见，针对聊天数据预处理工作的研究是十分重要和必要的。 本文以流行的IRC网络聊天室的内容监控为背景，对聊天数据的预处理技术进行了深入的研究。论文的主要工作与特色有： (1)通过加强的聊天数据时序性启发规则集推断聊天数据的社会网络，并结合用户对话相似性优化社会网络。该方法通过分析用户间聊天对话表现出的时间上的一般性规律，总结出用于推断社会网络的启发性规则集，并根据该规则集来推断聊天数据中包含的社会网络；合并相似用户对话，结合对话内容相似性优化社会网络。 (2)提出了聊天数据中噪声对话的概念，并设计了噪声判断和过滤的方法。该方法根据通过从聊天数据中推断出的社会网络确定用户之间的交流关系；然后通过分析用户对话的数量、时间和对话对象等因素，建立噪声过滤的条件集，并根据过滤条件集遍历社会网络中的每个结点，删除结点的噪声对话和孤立结点。 (3)设计了一种专门针对聊天数据中词汇权值计算的方法。首先通过比较聊天数据集与文本集之间的差别，概括出聊天数据的特殊性，并分析目前监控系统中常用的TF<*>IDF方法计算聊天词汇权值的缺点：然后，针对这些特殊性和不足，提出了一种专门用于聊天词汇权值计算的方法-CDTF*IDF方法。通过实验比较这两种方法，CDTF*IDF方法获得了更高的准确率。