随着web2.0时代到来,互联网数据爆炸式增长,每天有上亿条新微博产生,远远超出个人信息处理能力,如何从中快速、准确获取有用信息,即主题信息抽取,变得十分必要。当前LDA主题模型,在微博文本主题抽取中得到广泛应用,但仍存以下问题:(1)忽略了不同词语对主题区分能力的不同,导致抽取结果不够准确;(2)抽取到的特征词是无序的,可读性较差,给用户从主题推测文档内容带来困难。因此,本文提出了一种新的微博主题抽取算法,以提高抽取结果的准确性和可读性。本文首先对信息抽取、主题模型和词序相关的理论进行梳理与总结,选择相关部分作为本文的研究基础;然后为了解决LDA模型抽取结果不准确的问题,本文在传统LDA模型的基础上,考虑不同词语对主题区分能力的不同,构建了扩展LDA主题模型;接着,为解决抽取结果可读性差的问题,本文基于词序理论和语言图模型思想,构建了WO词序模型,对主题建模抽取到的特征词进行排序,并基于词间有序的共现信息,设计了OPMI算法,获取了有序特征词组表示主题;之后,将扩展LDA模型与WO模型结合,构建了LDA-WO混合模型,并设计了基于LDAWO混合模型的微博话题有序特征抽取算法,以获取到准确性和可读性更高的微博主题;最后,以真实数据实验验证了本文提出的算法的有效性。具体的创新点有:(1)考虑到不同词语对主题区分能力的不同,基于TF-IDF算法思想,设计了KWFP-ITP算法对LDA模型进行扩展,提高抽取结果的准确性;(2)考虑到LDA抽取结果可读性较差的问题,构建了基于词序理论和语言图模型思想的WO模型,对特征词排序,并基于词间有序的共现信息构建有序特征词组,以提高抽取结果的可读性。