随着互联网的迅速发展,网络舆情信息在不断的加速增长着。这些海量的信息对社会所造成的影响不能再回避,当前高新科技手段的介入成为了必然,需要一套自动的舆情分析系统,及时有效的发现目前网络所面临的热点突发事件,为上级领导的决策做出正确的引导。本课题依托于粤港关键领域重点突破项目“一体化综合信息安全防护系统”子项目“舆情分析系统”,对于里面的热点发现这一关键技术进行了深入的分析、研究。在本课题中通过对各种常见聚类算法进行了比较、研究,结合需要处理的文本集是海量的特点,提出了一种新的二次聚类算法—DAK (Density And K-means)。它是将划分聚类方法与基于密度的聚类方法相结合的结果,该算法降低了在相同文本数量下聚类过程中的时间消耗,并且对结果的查全率、查准率都有较大的提高。克服了划分方法需要在进行聚类前需要给出初始参数的缺点,从而使在同样文本集的情况下多次聚类的结果是稳定的。对于文本的主要工作总结如下:1)结合目前国内外相关的各种技术,详细设计了网络舆情热点发现的系统结构图。2)研究分析了系统中的两个重要辅助模块:网页信息采集模块与网页信息预处理模块。3)重点介绍了系统的核心模块——舆情分析模块。4)提出了DAK算法,分析比较了与K-means及基于密度的聚类方法各自所具有的优缺点。5)通过实验测试部分的数据证明了DAK算法在时间消耗、查全率、查准率方面的优越性。