互联网舆情是人们获取资讯、表达观点的重要渠道,随着各种各样以社交为基础的综合资讯流通方式不断出现,舆情来源越来越丰富,且具有较强的社会性、即时性和传播性。企业迫切需要对新闻、博客、微博、论坛讨论、视频等进行全面、及时、准确地掌握,以维护公众形象,及时应对突发事件,面向企业决策和应急处理的多源舆情采集、分析与监测系统应运而生。本文结合背景项目需求,对多源舆情监测涉及的网页采集、网页预处理、舆情信息判别、突发事件识别、舆情话题识别与跟踪、舆情情感倾向分析等技术进行深入调研,分析了现有算法的局限、缺陷,并针对传统网页爬虫对Web2.0下站点抓取覆盖率低、向量空间模型的突发事件识别方案误判率高、舆情情感倾向识别准确率不高等关键问题,进行了算法和技术方案创新,设计了满足企业决策与应急处理需求的企业舆情监测系统,进行了开发和测试。论文提出了一种基于DOM状态转换的隐网页信息抽取算法。该算法嵌入浏览器环境,全量构建DOM状态转换机,以DOM节点及其点击事件作为状态机的输入事件,应用RTDM算法对DOM状态空间进行压缩,通过覆盖监听器方法原型,获取DOM树中所有可点击的节点作为候选节点。实验表明,该算法性能优良,对隐网页内容的抽取准确率达到89.48%,远优于传统方法；提出了一个基于预分类和命名实体识别的方法来进行突发事件识别,预先将文本分类到十个大类下,将搜索规模缩减为十分之一,定义带权NE相似度来进行舆情文档间的比较,实验表明,带权NE相似度的引入对突发事件识别的准确率和召回率有提升；提出了一种基于文本情感句法分析加权的舆情判别优化技术,改进了情感词加权分析算法,使用句子和企业多维描述字典相似度,代替句子和篇章主题相似度,取得了准确率上的提升。论文所设计算法与系统,已结合背景项目进行了评测和试用,具有良好的技术性能,有望获得广泛的应用。