互联网的快速发展为公众舆情的表达和传播提供了新的途径,越来越多的人通过网络来表达自己对社会问题的意见和看法。其中,网络论坛(BBS)是公众在互联网上表达舆情的最主要途径,较之博客、即时通讯工具等渠道而言,其舆情表达优势更为明显。然而,BBS蕴含的信息复杂多样,存在大量的不良或消极内容,当这些不良信息汇集在一起成为舆论爆发点时,就会质变成群体性事件,影响到社会安定。因此,面向BBS,分析网络舆情的倾向性也就迫在眉睫。目前,分析网络舆情主要采用的是文本倾向性分析方法,如:基于传统的机器学习的文本倾向性分析方法、基于语义模式匹配的文本倾向性分析方法、基于统计情感词倾向性值的文本倾向性分析方法等。研究现有文本倾向性分析技术的基础上基于统计情感词倾向性值的方法,提出了一种利用VSM(vector space model)描述论坛主帖和回帖倾向性的方法。其中,向量中的特征项来源于文本关键词(选取名词),每个项的权值是文本中针对这个关键词的所有情感词语义倾向性值的统计加权,以通过对比和分析主帖回帖的倾向性向量而得到回帖对于主帖的态度。首先,提出新的文本倾向性分析方法对论坛中所有主贴的回帖进行倾向性分析。然后,针对single-pass聚类本身的不足进行了改进,设计了一种基于single-pass聚类的聚类算法,对论坛主帖进行聚类,挖掘出网络舆情热点话题并以新的文本倾向性分析方法对热点话题进行倾向性分析。最后,通过构建一个面向中文BBS网络舆情分析的原型系统作为实验平台,通过对比实验验证提出方法的有效性。