随着互联网和通信技术的蓬勃发展，网络信息安全问题日益突出，同时网络舆情监控也变得尤为重要，舆情监控已经变成各级政府非常关心的问题。现如今各式各样的舆情分析系统层出不穷，大多基于互联网新闻或者BBS作为数据对象。本课题基于项目需求，采用短信息作为数据对象，提出了一套面向海量短文本的实时舆情分析系统设计与实现。其中主要工作和创新点如下：　　 第一，提出了一系列改进的针对短文本的舆情分析方法。本文面向短文本信息进行舆情分析，与传统的互联网新闻及BBS舆情分析的数据对象不同，短文本短小精干，传统的文本过滤方法往往不能起到良好的效果。本文针对项目具体功能需求并结合传统舆情分析算法，提出了一些改进的高效的舆情分析算法，包括简化贝叶斯分类和热点话题发现等；本文还提出了采用中文变体词识别技术用于短文本舆情分析的方法，取得了不错的效果。　　 第二，提出了一个针对具体系统的并行处理框架。本文面向海量信息的实时分析，对系统性能提出了很高的要求。本文提出了一种基于均衡分发策略配合分布式并行处理的整体系统架构，使得整个系统的性能具有可伸缩性。整体系统实现依赖于本文提出的可拆分的舆情分析算法，使得并行计算成为可能，经过实验，系统性能达到了需求。　　 第三，提出了一套分布式并行存储方案。针对海量短文本的存储以及运算中间结果的保存，本文提出了一套基于MongoDB分布式文件系统的存储方案。MongoDB适合短文本的存储，基于key-value机制提供了优于传统关系型数据库的存取性能。本文设计了一套针对系统实现的拆表方案，使得数据的存取更便捷，占用空间更少，这也是整个系统得以快速运转的基础。