基于互联网的舆情分析已被广泛应用,但随着新的交流平台的出现,互联网舆情分析也在不断的扩充与完善。如今互联网舆情监控已经覆盖到微博、微信、论坛、博客、贴吧、新闻等各个方面。微博作为近年来最流行的网络社交工具之一,其传播快、互动性强等特点,已发展为重要的互联网信息交流共享平台。目前微博舆情监控尚存在一些不足之处,本文着重从微博出发,对微博舆情监控相关技术进行分析与研究。本论文的主要研究工作及研究成果如下:针对微博短文本的特点,分析了微博短文本信息预处理方案,并对微博中的“未登录词”进行识别。根据微博文本的特殊形式,提取微博话题内文本,经过过滤并计算互信息值等步骤识别微博新词。建立未登录词词库,从而提高微博文本分词效果。对传统舆情监控中所涉及到的相关理论和技术进行了研究,对比传统文本与微博短文本之间的差异。深入分析传统文本聚类算法在微博短文本聚类中的局限性,借助VSM向量空间模型和LDA文档主题生成模型对K-means聚类算法性能进行优化,优化了K-means初始中心的确立方法和文本相似度计算公式,提高了聚类的准确率。互联网媒体早已深入广大人民的日常生活中,网友的高度活跃导致对国内外任何热点事件都能立马产生舆情。在给人们的交流带来了巨大的方便的同时,也已经成为了社会舆情传播的重要载体。因此,舆情监测对于国家政府及网络监管部门来说是十分必要的。