面对复杂的犯罪形势,面对庞大的网络警情信息量,通过人工搜集的方法已不可能做到对所有警情信息的及时处理,这使得部分有用的信息流失,对案件及时破获不利。针对这些问题,本文采用理论分析、实验研究等手段,重点研究了关键技术中的算法与模型,设计了一个网络警情监控系统框架,给出了一种基于WEB文本挖掘的发现方法,对网络警情信息按照文本相似度进行聚类分析,以发现网络警情信息的内在关联,为公安机关进行网络实时监控提供技术支持。本文主要开展了以下工作:首先,从公安工作的实际需求出发设计了一个基于多Agent系统的网络监控系统框架,并对各Agent功能做出了详细描述。其次,对Web文本挖掘的一些关键技术进行研究,包括警情采集、警情清洗、中文分词,同时设计了警情数据的存储结构,并在此基础上给出了通过警情筛选的方法以提高数据的处理效果。再次,通过分析传统K-means算法的特点和存在的不足以及现有的改进算法,提出两点对于传统K-means算法的改进:第一,提出了扇形切分法,用以确定K-means算法的聚类数目k的取值;第二,为优化K-means算法的初始聚类中心,提出基于文本的平均相似度改进的K-means算法。最后,本文设计了一个警情文本聚类系统,并通过实验分析证明了改进K-means算法的有效性。