如今,相当多的人热衷于使用社交媒体(Social media)。以Twitter为例,每天都有海量的Tweets被一遍遍地转发(RT,ReTweet),在全球迅速转播。然而,面对海量、动态、复杂且多样的微博数据,想要从中有效地分析出相关信息,传统的数据分析方法可能已经难以适用。本文设计了一种交互的可视分析系统,以Twitter数据为研究对象,利用机器学习的方法过滤数据,结合可视化工具并加以人机交互技术,帮助用户分析这些大规模且动态变化的数据,监控自己感兴趣的话题。数据分析方面,本文采用了基于支持向量机(SVM)的方法实现文本分类,通过可视化的界面,用户可以交互地选取创建好的分类器过滤Tweets。可视化方面,系统基于Web技术实现,用户可以直观地观察Twitter信息的动态加载。数据通过散点图或者热力图的形式呈现,支持多种交互行为。系统还通过第三方图表库,对统计数据进行展示。对于细微变化的时变统计数据,直接可视化的结果难以观察,本文通过基于像素点的欧拉视频放大技术进行放大,便于用户更好地理解数据,分析数据。实验验证该系统能动态地监控不断流入的微博数据,有效地进行分类,并通过可视化的技术,帮助用户准确了解事件的发展。