面对海量的网络信息，如何快速精准地挖掘出与某个话题相关的信息是人们关注的首要问题，但是人工进行收集和跟踪是不现实的，因此需要借助计算机进行处理。话题跟踪（TT）即是在此应用背景下产生的，自适应话题跟踪（ATT）是在其基础上嵌入了自学习机制，使得跟踪系统能够依据话题的发展更新话题模型，有效追踪话题报道的趋势。国外关于自适应话题跟踪开始得比较早，研究成果比较丰富，国内有关方面的研究也进行了很多探索，但是从知识层面着手的较少，因此本文尝试从目前受到广泛关注的本体这个层面入手，探讨中文话题的本体构建和进化方案，并应用于话题的自适应跟踪。本文首先介绍了话题跟踪的相关基础理论，详述了话题跟踪过程及涉及的关键技术，分析了现有话题跟踪方法的不足，同时介绍本体的知识，并分析了本体的特点和本体进化的概念；接下来针对现有话题跟踪方法的不足，分析了网络新闻报道的语义特征，对应提出了基于本体的中文话题报道模型表示方法，并提出基于本体进化的自适应话题跟踪算法；最后实现了基于本体进化的自适应话题跟踪算法并与传统方法进行实验对比，验证了算法具有一定的有效性。具体创新点有：（1）基于新闻报道本身具备的特点和内在语义关系，创建了基于本体的话题模型和报道模型；（2）提出了基于本体的话题模型/报道模型的相似度计算方法。