统计自然语言处理（宗成庆） http://www.amazon.cn/dp/bkbk830126 对最近几年国际上一些最新的自然语言处理算法模型有介绍，比较完整。很多量化投资的专家都来自这个领域 《统计自然语言处理》全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。
目前北大在这方面比较领先，可以看看，不过，这个领域的Bible是《文字挖掘》，以色列人费尔德曼写的，属于数据挖掘的一个子集，里面的模型比较多，可以看看，另外北大的杨建武的PPT可以看一下，有不少想法。目前比较有效的文字挖掘方法是用前溯神经网络，用遗传算法来模拟，别看名字听起来看似复杂，其实很简单，就是编码，随机改变编码，外加阀值函数的设定，挖起来比较精确。在挖掘程序设计上，建议大家找一下哈工大的词根表，他们在计算机识别语意方面做的比较早。研究这些方法的工具包括SAS的文本挖掘，IBM的数据库系统里也有个文字挖掘子集，免费的R软件也有类似功能，不过比较弱，要进行二次开发。另外，相当一部分研究现在开始向WEB SPIDER这类网络溜达软件转移。
孤陋寡闻~ 微博的挖掘结果样例。 另外你说的IBM的指的是是他们原来的，还是收购了的PASW（前SPSS）Modeler？ 不管哪个，比R差不少。而且，PASW Modeler对中文的支持是先通过language weaver的CAT之后再进行的，不是纯种中文。
kuhasu大神， 你贴的这个图像是R对词频分析的应用啊，IBM的系统也可以啊。 根据微博页面内人名共同出现的频率作图。 然后将词频高的几个人名划为一个圈。 这还是词频分析啊。词频分析是文字处理软件的基础，就像股票软件能显示价格一样。