随着web2.O的迅速发展,微博(Microblog)为广大网络用户提供了一个自由交流的空间,成为表达民意的一个重要平台。但目前微博中也存在一些不和谐的不文明行为,甚至存在一些攻击国家、扰乱社会的言论。为了正确地引导社会舆论,净化网络环境,微博舆情预警与检测技术应运而生,为政府和网络管理部门提供了有效的管理手段,也便于政府及时掌握各个时期微博中民众关心的热点话题,并了解民众对这些热点话题的观点和态度,从而能够做出正确、科学的决策。本文主要研究内容有：首先,分析了当前文本聚类分析中常用的几类方法和聚类算法评价标准,并介绍了粒子群(Particle Swarm Optimization)算法及一些成熟的改进方法,并将其应用到了KHM (K-Harmonic Means)聚类的前期优化上。其次,介绍了微博信息的爬虫提取,然后如何将非结构化的微博信息转换为结构化的文本,微博文本的预处理过程,主要包括中文词法分析,去重,文本的特征选择,文本的表示模型,然后用PSO-KHM聚类算法进行聚类出热点话题,最后用加权评价函数鉴别舆情信息并给出预警。最后,实现了该微博舆情预警系统原型,满足了当前微博信息分析的需要。基于互联网的舆情信息分析、挖掘技术越来越受到广泛关注。只有采用数据挖掘技术,使其自动地对互联网舆情进行分析、整理,才能建立起全面、有效、快速的舆情监测机制。