近年来，全球网络化进程不断加深，互联网作为新兴媒体，以其开放自由的特性，用户数量及影响力都迅速赶超传统媒体。特别是近几年,我国通过网络爆发的重大舆情事件激增，而且涉及的范围从原来的教育、娱乐正逐步拓展到国际国内经济、政治、民生等更高层次的领域，并且都不同程度地掀起了网络舆情浪潮。在这样的背景下，舆情核心词挖掘技术和信息聚类技术会越发的凸现出重要性，成为一个值得深入研究的方向。本文主要完成以下工作：首先，在分析传统舆情分析相关技术基础上，提出了具有较强适应性的数据组织结构，使得被研究对象不仅局限于单一的网络舆论传播载体，为不同载体上的语料数据能在同一个平台上被分析研究打下了一定的基础。其次，针对当前网络新词泛滥和爆发性网络群体事件中核心关键词未必符合汉语语法的问题，设计了网络舆情核心词挖掘算法——CEW（ContinuousEffective Words）算法，即“有效连续词挖掘”算法。并利用此算法对ICTCLAS分词系统进行一些改进，使得该系统具备了动态挖掘网络新词的能力。再次，在研究原有经典的聚类算法的基础上，针对网络舆情数据量大、且不相关孤立点众多的特点，提出了快速且高效的舆情语料聚类分析算法，能够以较高的准确率和较低的召回率来对舆情数据进行聚类。最后，通过大量的语料测试结果进行人工检验，我们验证了本课题中设计的算法在处理多载体语料数据集时有较好的效果。并且，通过对程序结构的优化，我们将两个算法的时间复杂度均优化至线性水平，为以后在大型数据集上应用打下了良好基础。