万维网包含了丰富的信息资源,如何从万维网海量的文本信息中快速有效地获取所需要的信息,一直是困扰人们的难题。而网络文本挖掘可以有效提取出所需要的有用知识,因此,研究网络文本挖掘技术具有重要的理论意义与实践意义。论文主要针对网络文本挖掘技术及其在事件相关性情报分析中的应用展开深入研究,主要工作为以下三个方面:(1)分析研究了三种网络文本分类方法对文本分类的支持向量机、K近邻及Bayes方法进行了比较分析和实验研究,并针对本文所研究样本按照信息增益和卡方统计两种特征选择方法进行稳定性检验,选择了适合本文后续工作的支持向量机方法。(2)提出了一种新的基于中文特征词的网络事件图模型挖掘方法基于F-D算法建立了网络事件图模型,利用特征词向量建模事件,通过特征词向量间的相关性反映事件之间的相关关系,提出了一种新的网络事件相关性挖掘方法。并对5.12汶川地震的网络文本进行了实验,研究了所发生事件的相关性。(3)提出了基于信息强度的网络信息与证券价格相关性研究方法提出并定义了网络信息强度和价格波动强度概念,构建了网络文本信息流与证券价格波动之间的相关性模型,对证券市场价格波动进行了实证研究,文中方法能够有效挖掘网络信息与证券波动的潜在关系。