1、隨著網絡的普及和日趨豐富的社交軟件的出現，網絡作為一個新起的輿論方式已深入人們的日常生活。輿情分析任務涉及分詞、聚類、情感分析等相關工作。在這些工作中算法存在效率和精度難以平衡的問題。本文在分詞、聚類、情感分析方面分別針對這個問題提出了算法模型，并做了實驗加以驗證和闡述。最后將這些技術應用于中關村網站進行了輿情分析工作。本文的主要研究成果包括以下四方面:
　　1.提出了基于詞群的分詞算法。同時利用詞典、規(guī)則和建立歧義解析圖模型來實

2、現句子的切分。算法采用較HMM分詞短的決策距離，降低了時間復雜度，同時又具有較高分詞精度。
　　2.結合密度聚類、網格聚類算法的特點，提出了一種基于邊緣度密度距的聚類算法。算法采用新的密度度量及與之相關的聚類定義。分析表明，該算法兼具精度和速度的優(yōu)勢。
　　3.本文結合神經網絡感知器與貝葉斯分類器建立情感判定決策樹。利用此模型對文章信息進行情感評判和打分，為后期的輿情分析系統提供所需功能。
　　4.詳細講述了前面技術在