随着互联网信息技术的飞速发展,各大新闻媒体都将互联网作为信息传递的主要途径,互联网也成为了人们获取新闻的首选方式。互联网为我们带来便捷的同时,也带来了一些问题。由于互联信息传播的速度非常的迅速,对于其中的负面新闻甚至是谣言,若不及时进行处理,不加以关注,会导致各类不实信息迅速在互联网上传播,造成较大的社会影响。为了避免此类情况出现,利用互联网及时的对互联网舆情进行监控变得非常的迫切。通过舆情监控,可以更快的发现近期的新闻热点,及时对负面事件进行正确的引导,避免造成更大的社会影响。本文的研究基于国家农产品追溯系统,为了更好的监控农业相关的舆情,帮助农业部工作人员进行农产品的舆情预警,研究了农业舆情系统的设计与实现。在研究中,从农业舆情系统需求出发,选取了中国农业新闻网,中国农产品网等农业新闻相关的网站作为舆情系统的数据源。使用词向量(Word Embedding)和LightGBM建立了农业新闻文本分类模型,识别出其中农业相关的新闻。使用TF-IDF(Term Frequency–Inverse Document Frequency)和岭回归(Ridge Regression)建立文本分类模型,提取出其中的负面新闻。为了更加快速的了解新闻的主题,使用了改进的TF-IDF算法提取出新闻的关键词。为了帮助舆情预警人员更快的阅读新闻,使用了文本摘要技术对新闻进行压缩,提取出新闻的摘要。本文的创新点如下:第一,提出了一种基于词向量降维的文本表示方法,通过词向量降维的方式提取出文本的向量特征,将词向量应用于长文本的分类中,在农业新闻识别的任务中达到了比传统TF-IDF更好的效果。第二,在关键词提取任务中提出了一种关键词短语检测方法,使用共现矩阵和词的共现图来提取出新闻中的关键词短语。第三,提出了一种基于TF-IDF的文本自动摘要方法,该方法使用词的TF-IDF和滑动窗口计算句子的TF-IDF值,同时还结合了句子的位置特征,相比于其他文本摘要方法,达到了更好的效果。