网络的快速发展使得人们越来越方便的查看各种各样的社交平台,与此同时,每天所产生的数据量也相当可观,如何好好的利用这些数据也成为了学者的研究热点。而在众多社交平台中,微博因为其更自由、更快捷的优势,渐渐成为了国内最流行的社交平台之一。本文结合基于文本的多种分析方法,设计并实现了构建于B/S之上的微博舆情分析系统。该系统可以快速展现微博平台舆情动态,明显提高监控和了解目标舆情发展走向的时效性和便捷性。详细工作内容主要为以下几个方面:(1)数据采集层面。针对系统的数据采集,本文设计了一种分布式网络爬虫,用于收集每条微博信息下用户所发表的言论,其次,针对数据反爬机制和增量爬取,进行了改进,使得采集效率大大的提高;(2)系统业务逻辑层,共使用两种机器学习方法,即SVM算法、朴素贝叶斯算法,和四种深度学习方法,即CNN、LSTM、CNN+LSTM、BiLSTM算法,对用户发布的舆论文本进行了情感极性分析,并在此基础上实现了基于TextRank算法的关键词提取和文本摘要,DBSCAN算法聚类和目标舆情预警等功能;(3)系统实现层面。微博舆情分析系统共设计了四个层次,分别为数据采集层、数据存储层、分析层和呈现层。本系统与传统的舆情分析系统相比较来说,结构更加的清晰,功能划分也更加明了,易懂;(4)在系统保障层面,从系统功能、性能和可用性三个方面,验证了系统功能完整性和有效性,保证了系统的高效率和稳定性。