随着WWW应用的飞速发展,基于互联网络的信息传播已成为一种崭新的信息传播方式,并以传统媒体无法替代的发展速度日益深入到人们的生活中。由于网络的虚拟性、隐蔽性等特点,导致网络舆论空前壮观,如何对网络舆论进行有效监控,以正确引导舆论的发展方向、维护社会稳定已成为当前研究的一个重要课题。针对现有网络舆情研究成果进行分析,本文给出了一个常用网络舆情监控系统应具有的结构模型。对其中的各关键组成部分进行了分析介绍,并针对舆情分析部分所采用的技术进行了归纳总结。传统朴素贝叶斯分类算法在分类过程中受特征词的数量影响较大,针对如何减少特征词的数量,提高分类性能,提出了一种基于A_NBC(Naive Bayesian Classification based on Apriori)的新的分类方法。算法利用经典关联规则Apriori算法,对各特征词间进行关联分析,研究属性间的相关程度,根据关联规则对特征词进行过滤处理,在此基础上再利用朴素贝叶斯分类算法进行分析,以提高分类性能。实验结果也表明了该方法的有效性。在对现有突发事件监测算法研究的基础上,针对具有相同中心话题的舆情信息具有较高的相似性的原理,提出了一种基于凝聚链的突发事件监测算法。算法利用TFIDF计算特征词权重,利用权重给出了一种新的文档间相似性度量方法,在此基础上,基于点密度的聚类方法搜索中心文档,得到当前舆情焦点话题集合,从中获取密度大的舆论热点信息。通过对新浪新闻信息的搜索与实验分析,得到新闻热点信息,并通过人工分析说明了该方法的有效性。基于现有的舆情监控系统,本文给出了一个简单的舆情监控原型系统,针对系统中各部分的功能进行详细介绍以及关键的代码介绍。