随着互联网的普及和高校信息化的建设,各大高校都拥有自己的BBS网络,学生在网络上进行交流,发表自己的观点和意见,表达思想等,舆情的影响和规律都不容忽视。然而,对敏感和突发事件的不实言论和恶意煽动,会误导和欺骗学生,扩大学生的不满情绪,影响和破坏校园的和谐稳定。因此,有必要对高校BBS网络涉及意识形态安全的议题和言论进行有效地监管。采用数据挖掘技术,对互联网舆情进行分析、整理,才能建立起全面、有效、快速的舆情监测预警机制,使高校网络得以健康、快速的发展,成为当前研究和应用的热点。　　本文对高校BBS网络舆情的形成、传播特点和热点分析的方法进行探讨,以高校网络舆情监控机制的需求为出发点,将动态删除算法与最短路径算法结合,通过从最短路径中删除部分节点的策略减少搜索路径范围,从而提高分词效率。　　本论文主要研究工作如下:　　1、针对互联网舆情的现状,分析网络舆情监控的必要性,探讨国内外在进行网络舆情监控方面所做的工作。　　2、概述相关技术,从网络爬虫、文本挖掘、情感分析等技术入手,深入研究聚集爬虫、信息处理、文本聚类、文本情感分析等方面的技术实现方案。　　3、将动态删除算法与最短路径算法结合,对基于N-最短路径的分词算法进行了改进设计,通过从最短路径中删除部分节点的策略减少搜索路径范围,从而提高分词效率。最后,设计实验方案,准备样本数据,对改进后的算法的性能进行评价和分析。通过对从网站上监测的内容进行分词实验测试,将测试结果与业务公布的算法的效率进行比较,本文设计的分词算法速度平均是380KB/s,分词正确率达到97.27％。结果表明此方法的分词速度得到了一定的改善,完全能够满足高校BBS网络舆情监控的需要。