在网络发达的今天,互联网已经成为了最重要,最庞大的信息载体。互联网的舆情信息对社会和人们有着深刻的影响。因此对网络舆情信息的监督和挖掘分析,对政府,企业都有着巨大的价值。负责特种设备安全监督的机构质监局也往往会对重要的特种设备的舆情信息进行监测。特种设备是一些危险性较大的设备,例如电梯,气瓶。它的事故或故障往往影响比较大,相关舆情信息往往会在互联网上广泛传播。因此对特种设备事故或故障事件的相关舆情的监测能帮助监管者对相关事件进行及时的反馈和处置。本文根据特种设备事故及故障事件的舆情监测分析需求,对舆情监测分析的相关技术展开研究,并针对核心算法部分提出改进方法。基于改进的算法策略,本文设计了一套针对特种设备事故及故障事件的舆情监测分析系统。本文首先概括地介绍了舆情监测和分析的任务背景,并对舆情监测和分析流程,以及其涉及到的爬虫技术,自然语言技术做了简要的介绍。接着对特种设备事故及故障事件的舆情监测分析系统的需求进行了描述和分析。基于特种设备事故及故障事件的舆情监测分析的需求特点,本文对系统涉及的相关舆情识别,舆情聚类两个核心算法模块进行重点研究探讨,并提出算法优化策略。在相关舆情识别部分,提出了关键词和机器学习分类器相结合的识别策略。在舆情聚类部分,提出了一种混合特征的舆情文本相似度计算方法,用于优化聚类效果。最后基于优化的算法设计了针对特种设备事故及故障的舆情监测和分析系统。并通过系统采集数据,对其中的相关舆情识别,舆情聚类算法进行了实验评估。实验证明了本文提出的相关舆情识别和舆情聚类算法都能在一定程度上比传统的方法表现更好。