随着互联网信息的爆炸式发展,公开网络的资源与数据越来越丰富,其商业价值也不断地被发现与探索。数据的纷繁复杂是目前价值分析的主要壁垒,随之而来的分析模型应运而生,其中文本信息处理因数据格式、蕴含意义等特点是最为复杂但又极具价值的。在应用方面,财经信息最为丰富,至今中国深户A股市场已有超过2300支股票并且几乎每天都有新股上市,对于投资者来说机会增多的同时风险也迅速增大,难以管理。相关财经信息、新闻都是影响因素,投资者需要关注市场大量信息对于普通投资者来说是十分困难的。本文希望设计自动挖掘系统可以对相关股票进行分类和推荐。本文针对文本信息处理进行主要研究,通过主题模型对海量数据进行分析、运用,并与时间序列数据进行结合,形成多视角主题模型并在最为复杂的财经数据上进行分析与应用,比如股票分类预测、群众参与程度等进行实验与总结。本文通过自动爬虫收集了所有沪深A股市场上2344只股票的信息基本面与2年的相关财经资讯,通过文本与价格时间序列信息对股票进行分类并和领域专家标注的行业分类结果比较其有效性,获得了更高的相关性以及推荐价值,并分析了相关股吧论坛中投资者对个股、话题的关注度和股票价格、成交量关系等结果,对投资者、关注者以及市场热点、走向都提出了新的建议视角与方向。