随着Internet迅猛发展,互联网拥有越来越庞大的用户群,发展成为发布信息、获取信息和传递信息的主要载体。由此载体衍生出的网络舆情,是通过网络围绕中介性社会事件的发生、发展和变化,民众对公共问题和社会管理者产生和持有的态度、信念和价值观。其形成迅速,对社会影响巨大。基于互联网的舆情信息挖掘技术越来越受到广泛关注,网络舆情挖掘作为舆情信息挖掘的有效手段已成为研究热点。通过日志数据,针对互联网舆情信息海量性、处理时效性和预警准确性方面的问题进行分析与研究具有重大的现实意义。本论文基于日志数据开展网络舆情的分析与研究工作。主要工作包括：针对互联网舆情信息挖掘技术进行研究,在明确舆情及其相关概念基础上,以搜索引擎的检索日志作为基础数据,采用文本挖掘的方法进行舆情分析。通过文本分类技术,对于海量数据进行粗粒度分类。通过文本聚类这种无监督的方法,进行事件发现。为了适应海量短文本聚类,提出桶聚类算法。该算法有效解决海量数据聚类过程中内存溢出问题,降低时间复杂度。在中文分词算法中,提出Term权重计算算法,提升文本相似度的计算过程的准确率。基于星型模型构建数据仓库,对日志数据进行多维度分析、趋势分析、热词推荐和可视化分析。在对上述问题的研究的基础上,设计并实现了搜索引擎日志分析系统。该系统集成了桶聚类、Term权重计算等算法,面向实际应用,实现日志数据的统计分析、事件分析和可视化展现功能。可为用户提供对海量日志数据更加有效的分析