话题检测技术作为话题检测与追踪的重要组成部分,目的是要解决从文本信息流中自动识别各个未知的话题,并且能够在线发现新话题。在话题检测技术中,热点话题检测是为了识别特定时间段内报道频繁、适时、重要的话题。传统的话题检测技术大多面向新闻网站语料进行所有话题的检测,而本文主要研究面向网络论坛的热点话题检测。本文对网络论坛的文本组织形式进行深入分析,重点研究面向网络论坛话题检测的文本预处理方法和网络论坛热点话题检测算法,取得了以下几个方面的研究成果:(1)提出一种基于文档树的帖子信息抽取算法。通过研究常用的信息抽取算法,并分析了网络论坛帖子的页面结构,给出了帖子文档树的构建方法和帖子信息抽取的规则描述。实验结果表明,该算法能够有效地提取帖子内容信息和结构特征。(2)提出一种面向网络论坛短文本的特征选择算法。针对网络论坛短文本的特点,提出了基于TF*PDF的特征选择算法。实验结果表明,相对于传统的特征提取方法,本文的算法能够得到更好的网络论坛短文本聚类效果。(3)提出一种基于时间线分析的增量聚类算法。与传统的聚类算法相比,该算法在文本聚类的过程中结合了话题生存周期模型。实验结果表明,该算法能够有效地优化话题检测的结果集,提高话题检测的质量。(4)提出一种基于话题关注度和用户参与度的热度评分算法。通过在热度评分算法中融入了话题关注度和用户参与度的计算,有效地与文本聚类算法进行结合。实验结果表明,该算法能够综合评估话题热度,形成热点话题排序。基于上述研究成果,本文设计了网络论坛热点话题检测系统,能够有效地对网络论坛进行舆情监控、及时掌握各个时期民众关心的热点话题。