随着信息技术的高速发展,互联网得到了广泛普及,对社会产生了日益深远的影响。作为互联网时代的重要产物,微博成为了众多网民生活中不可或缺的一部分。微博是一个分享简短实时信息的广播式社交网络平台。在微博平台上,用户可以描述自己周围发生的事情,发表自己对某个事情的看法,甚至可以推广自己的产品。在满足人们网络社交需求的同时,微博也显现出了在网络舆论中的重要地位。面对每天数以亿计的博文,如何挖掘出微博舆情,并对微博舆情进行分析显得越来越重要。目前对于微博舆情的研究处于起步阶段,仍有许多值得研究的工作。本文的主要研究工作围绕以下三个方面展开。1.采集筛选微博数据及数据预处理。分别研究了基于微博API的数据采集方案,基于网络爬虫的微博数据采集方案。结合了两种微博数据采集方案对公共微博数据和用户微博数据分别进行了采集。从微博用户和微博内容两方面,对微博数据进行了筛选。并且对微博文本进行了分词处理、去停用词处理、特征选择处理,向量表示。2.提出了一种微博舆情发现算法。对现有的微博热点发现算法进行了分析,研究了各个热点发现算法的优点和不足,提出了HEA热点发现算法。针对单个文本聚类算法对微博文本聚类效果差的问题,提出了一种混合聚类算法HKSK。将HKSK算法与HEA算法相结合提出了HKSK-HEA的热点发现算法。实验证明该算法可以有效的发现微博热点。3.提出了一种微博情感分析算法。研究了目前常用的情感分析算法。对目前已有的情感词典进行了整理,构建了基础情感词典,并针对文本语义的特点构建了情感修正词典。考虑到微博文本的网络属性,构建了表情符号词典,并且研究了朴素贝叶斯分类器在情感分类中的应用。针对单一的情感分类算法泛化能力低的问题,设计了情感朴素贝叶斯分类器。实验证明情感朴素贝叶斯分类器可以提高微博情感分析算法的性能。