搜索引擎作为在丰富的互联网站中获取信息的重要手段,得到了广泛使用。搜索引擎优化是指通过优化网站页面内容、增加网站关键字命中率、改善网站结构以及用户体验等因素使网站符合搜索引擎的搜索规则,最终能够在搜索引擎结果中获得更好排名,增加访问率的策略。其中内容优化是未来的主流趋势,也是搜索引擎所倡导的。目前很对搜索引擎优化团队的优化内容的关键字来源都是通过第三方网络统计公司购买而来的。考虑到Web2.0应用的不断深入,人们参与网络的力式不断在改变,即以前只是参与者,现在已经慢慢转变成号召者,越来越多的流行词,由草根发起,再从草根中流行这一现状。本文针对如何获取新的话题来为搜索引擎优化提供参考这一命题入手,总结了近年来前人工作经验,通过对热点话题发现现状的研究分析,并结合文本分类的理论基础从而实现基于热点话题发现为搜索引擎优化这样的一个工具。之前的网络热点话题基本都是基于点击数,评论数或者转载率来得到,对评论和话题本身内容呼应性考虑的比较少。为此,本文考虑到评论是影响话题热点度的一个重要因素,同时注意到评论和话题内容的相关度,然后对相关度比较低的评论进行噪音过滤,对剩余的评论进行热点度计算,从而得到社交网络热点话题发现。另外由于热点话题的量比较大,本文在形成热点话题发现的基础上,结合分类算法形成以频道分类的优化意见给用户就十分有意义了。在分类技术上考虑到向量空间模型、特征项赋权、特征选取、分类器构建等,本文在前人的研究上在向量空间模型的基础上,分析了现有权重算法和分类算法,最后利用TF-IDF的改进权重算法结合Rocchio的特点实现了分类方法,最终结果被证明是有效的。本文的设计过程中较多的考虑了自动化的因素,减少人工干预,提高效率因素,因而在搜索引擎优化上,有很高的实用价值,针对某大型实际的运用来看,所给出的优化意见的周期比以往更快更及时,同时也节省了购买关键字的费用。