随着互联网媒体时代的成熟和完善,越来越多的媒体信息开始在通过这种快捷、廉价的方式进行发布传输,网络上的信息数量异常庞大,并且伴随着对互联网应用的深入,正在以惊人的速度增长。搜索引擎可以帮助我们从互联网上获取较为准确的相关信息的网页,但是获取的信息比较初级、宽泛,无法确认这些信息的内在关联和实体模型,仍然需要进行进一步的分析加工。这时候一个可选的方法就是借鉴通用的网络分析的方法,对实体化后的异构web信息进行关系挖掘以及模型分析,以发掘出其潜在的、有价值的知识。本文主要研究MongoDB分布式数据库和Hadoop分布式计算框架,并基于MongoDB的数据建模和Hadoop的MapReduce计算设计高效的Web新闻实体分析方案,具体的研究工作以及内容包括：1、采取基于XML分析的方法,对搜狗实验室的Web新闻数据进行半结构化分析,提取相应的信息,并在MapReduce框架下对文本内容进行分词处理,并利用TF-IDF算法计算关键词权重,提取文本特征表达式。2、基于MongoDB的数据模型以及并行处理,结合关系网络分析算法,使用点度中心性算法分析单个实体节点在实体关系网络中的中心势,以实现对新闻主题实现核心挖掘；结合凝聚子群分析,挖掘出相互之间联系比较紧密的小团体,构建实体间的块模型。3、应用基于文档的非关系型数据库MongoDB,利用其强大的建模能力,设计能够描述文本特征的数据模型,并结合Hadoop的MapReduce并行计算框架,在J2EE的架构下,完成对Web新闻的分布式存储和计算平台的设计和搭建,并对所获取的分析结果利用JUNG技术进行展示。