针对网络舆情监控存在系统升级维护复杂、舆情信息采集较慢、舆情关键词划分不准确,不能够实时地获取网络舆情发展态势,监控管理的效率低,无法正确引导网络舆情,提高互联网舆论传播的规范性、合法性等问题。论文采用先进的B/S体系架构、基于回归预测的SVM算法开发先进舆情监控管理系统,获取互联网舆情关键词进行情感分类,准确获取网络舆情。论文主要工作包括以下两个方面:(1)采用B/S架构改进系统。针对传统的网络舆情监控管理模式进行认真的比对分析,归纳网络舆情监控管理系统的不足之处,其中体系架构是影响系统使用的一个非常大的弊端,由于网络舆情数据的积累,数据量急剧上升,导致C/S体系架构在安装、维护等方面造成许多的事宜,具有不变之处,尤其对于非计算机专业来讲,更是不胜其烦,为提升网络舆情监控管理系统使用的性能,论文认真分析网络舆情监控管理系统开发使用先进架构,在网络舆情监控管理系统中引入B/S体系架构,改进系统的安装、运行和实施,具有很强的优势。(2)提出基于回归预测的SVM算法。由于传统的SVM算法应用于网络舆情情感分类过程中,网络舆情文本中的情感词汇在不同的语境中拥有不同的感情色彩,因此网络舆情情感划分过程比较复杂。网络舆情情感分类是一个非线性的问题,为能够提高网络舆情情感划分的准确度,引入回归预测的基本思想,回归预测思想有效利用算法采集的网络舆情文本情感词汇的语境数据,充分地考虑网络舆情文本存在的上下文词语信息。实验结果表明基于回归预测的SVM算法比SVM算法提高了15%,能够更加准确的划分舆情信息类别。网络舆情监控管理系统部署运行之后,实验结果显示论文算法大幅度提升网络舆情情感划分的精确度,更好地获取网络舆情监控能力。