随着互联网的飞速发展,网络成为了人们获取信息和发表意见的重要载体。新浪微博以其短小精悍、表达方式简单等特征,吸引了大量的用户。当今的新浪微博月活两亿以上,日活达到千万数量,微博用户每时每刻在平台上进行大量的博文输出,用户转评赞活跃。微博在给信息传播和热点讨论带来便利的同时也给虚假信息的滋生创造了条件,负面、虚假信息的传播不仅会扰乱和谐的网络环境也会给社会带来负面的影响。然而微博平台数据庞大,如果仅依靠人为的操作和管理不仅获取的信息量有限而且会消耗大量的人力物力。舆情监控系统既可以实现及时地发现热点事件,又可将整个监控过程平台化、自动化,实现了高效地运作。本文使用文本挖掘的相关技术,实现了对海量博文的分类和聚类。在文本向量化阶段使用分布式卡方特征提取法降维,tfidf值计算权重。采用支持向量机的分类方法和kmeans的聚类方法。在文本分类和聚类的基础上形成事件。通过博文总量的转发、评论和点赞数计算事件热度。最终形成热点事件的监控数据。并可实现历史事件的数据分析与展示。本文在之前舆情研究的基础上,实现了基于内容的舆情监控系统,并在事件聚类之前进行了类别的划分,使得监控的事件覆盖度更广,内容更加丰富。