互联网技术的持续发展,使得微博等新媒体越来越成为信息发布和共享的新平台,然而信息的传播也伴随着大量的虚假、暴力、反动等信息,严重影响人们的正常生活。因此,我们有必要尽快建立适应新形势下的网络舆情挖掘模型。论文研究应用以微博为代表的短文本舆情挖掘技术,重点对微博特征提取与表示、话题发现与追踪以及话题情感分析等技术进行了研究。在微博特征提取与表示方面,本文提出了一种基于语义的图结构模型,将微博特征词映射为图模型的结点,将依存句法关系映射为图模型的边。该模型充分考虑了文本的语义信息,有效克服了传统方法中语义缺失的弊端。在话题发现与追踪技术方面,利用Single-Pass算法实现微博话题的发现,并对算法存在的问题进行了优化改进;通过对单条微博与微博话题影响力的定义和度量,实现微博热点话题的识别与提取。在话题情感分析领域,论文首先在褒贬义词典中挑选情感倾向明显的词语作为种子情感词,并利用同义词词林扩展获得较完整的情感词库,然后再结合依存句法分析尽量消除上下文环境对情感词的影响。与传统的短文本舆情挖掘模型相比,本文提出的模型可以更加真实地反映文本的语义信息,在中等大小的新浪微博数据集中测试显示:该模型取得了较好的性能。