随着网络舆情的快速发展,特别是随着微博的流行,民众对于公共事务公开表达的具有影响力意见的平台正在迅速转移,微博平台上的舆情分析已经成为一个热点研究方向。本文以微博舆情分析系统作为切入点,重点对微博平台下的检索系统和突发话题检测算法进行研究。主要内容如下：1.论文首先对检索模型和突发话题检测算法进行了深入研究,分析了国内外相关技术的研究成果和现状,接着重点介绍了一些经典的检索模型和突发话题检测算法。2。针对微博数据设计和实现了短文本话题检索系统,该算法对于用户给定的话题,使用基于词激活力(WAF)的查询扩展算法进行查询扩展,通过“二次检索”返回同时具有高相关性和高时效性的微博。最后将该算法用于2011TREC Micro-blog Track中,取得了第二名的优秀成绩。3.提出一种基于状态自动机的突发特征检测算法,针对微博数据长度小,语言不规范,噪声大,数据量大的特点,优化预处理过程和状态自动机模型参数；提出一种突发话题聚类算法,对特征词的词频向量表示进行改进,并引入基于词激活力(WAF)的词法特征,使得聚类效果更加准确,得到的突发话题可读性更强。最后通过实验方法验证了算法的可行性。