随着网络对传统出版物和媒体的冲击,用户对于新闻浏览习惯发生了改变,越来越多的人养成了每天在网络上浏览新闻的习惯。本文研究如何高效、准确地从海量的新闻和新闻评论中找到网络读者感兴趣的信息。本文首先对新闻聚类问题进行研究,希望根据新闻包含的事件更好地对新闻进行组织。在将新闻聚类定义为结合多种不同特征的文本聚类问题的基础上,本文使用两种经典聚类方法,K均值聚类和合并层次聚类在新闻聚类问题上进行尝试,并提出基于狄利克雷过程的聚类方法。在此基础上,本文将这三种聚类方法推广到使用多种不同特征的情况下,并提出了可同时使用多种特征的狄利克雷过程集聚类方法。本文将新闻聚类中情感目标候选的提取问题定义为新闻聚类中高频命名实体的抽取问题,并提出了适用于语篇的快速命名实体抽取方法。同时,本文提出将新闻中的命名实体作为一种新的特征辅助新闻聚类的方法。在获得情感目标候选的基础上,本文提出应用依存句法信息对新闻评论进行情感目标相关的情感分析的方法,并给出了基于规则的和基于统计的两种情感目标相关的情感分析方法,从而可以按照评论的情感和情感针对的目标对其进行组织并提供给用户。实验证明本文提出的新闻聚类方法和情感目标相关的情感分析提高了任务的精度,有效地完成了本文提出的任务。