随着互联网Web2.0时代的到来,新浪微博已成为我国社交平台的领军者,是人们获取消息和提出想法的重要平台,博文数量呈爆炸式增长且覆盖领域广泛,由于用户数量众多,可以在热点事件发生初期迅速聚拢用户意见,甚至因为用户的高度讨论而产生热点事件,海量数据背后包含了用户的情感、看法,是政府部门进行舆情监控、企业制定用户行为策略等功能的重要数据来源。本文以用户对热点事件发表的博文数据和用户信息为研究对象,对数据的获取、文本挖掘、以及信息可视化进行了研究。在数据获取部分,实现了基于模拟登录的网络爬虫,达到了以热点事件的关键字和数据产生的时间节点为筛选条件的高效率数据采集的目的,为后续研究提供了全面且充足的数据。在文本挖掘部分,主要研究将传统的文本分类方法应用于微博的文本情感分类。分析不同的特征抽取方法、特征选择以及不同的分类算法对文本情感分类效果的影响。本文选择N-gram算法的unigram和bigram两种模型进行特征抽取,采用信息增益算法进行特征选择,选择支持向量机算法和朴素贝叶斯算法等共五种分类算法进行情感分类。在实验过程中,对比了不同特征抽取模型以及进行特征选择前后的效果,在不同的特征维度下对比了五种分类算法的效果。实验结果表明,在一定特征维度下,采用unigram模型、信息增益算法和伯努利朴素贝叶斯算法的组合对微博文本情感分类的效果最好,正确率达到了 86%,AUC值达到了 0.93。在信息可视化部分,结合ECharts框架,实现了文本情感分析结果、用户信息以及微博基础信息在Web浏览器上的展示,可视化形式有柱状图、饼图、地图等。