随着信息技术的蓬勃发展和互联网用户日益增长,庞杂的网络数据使得有效信息的采集和组织愈发困难。网络新闻作为信息传播的主要媒介,既是政府、企业等机构进行价值展示,理念表达的重要方法,也是社会民众参与公共生活,关注社会发展的主要渠道。如何将大量无序网络新闻数据进行提炼,快速准确的挖掘其中有价值的内容是目前信息处理所面临的一大挑战,而话题检测与追踪(Topic Detection and Tracking,TDT)是应对该挑战的重要方法。热点话题探测(Hot Topic Detection,HDT)作为TDT领域的一个重要研究点,意在将海量网络新闻进行类簇划分,获得新闻话题,并对话题关注度进行分析,最终实现新闻报道中的热点话题挖掘。作为新闻语料的“粗粒度”描述,新闻热点话题的挖掘能够使人们快速聚焦自己所关注的内容,了解事件发展的概况。本文针对传统新闻热点话题发现three-step:特征表示—话题聚类—热度分析的方法做出改进,首先,在特征表示阶段,为解决VSM等方法缺乏语义表示的问题,通过关键词提取在保留语义的情况下对新闻长文本进行压缩,同时利用词嵌入强化文本向量的语义表达能力。其次,在获得文本特征向量表示后,结合新闻实体要素构造文本关联图网络,以高密度子图挖掘替代一般性聚类算法实现新闻话题发现。最后从用户和媒体的角度同时对话题热度进行计算分析。主要的研究内容集中在以下三个方面:第一是基于词图网络模型的无监督新闻关键词提取方法。本文通过比较分析现有的关键词提取方法,并进行归纳总结,针对传统基于词图网络模型的关键词提取方法未能充分考虑新闻结构特征和单词间语义关联对关键词提取的影响。提出将新闻候选词词频与位置信息融合计算“位置偏执权重”,表示不同单词对文本贡献度的差异,利用词嵌入计算单词的“词间吸引力分数”替代单词的共现频率充分表示单词间的语义关系。最后,将两者结合,利用Page Rank的迭代方式计算单词得分,在收敛后,得分较高的单词被认为是新闻关键词。第二是基于最小熵原理的新闻话题发现方法。本文从信息熵的角度对新闻话题发现的方法进行研究。该方法首先提取新闻关键词和新闻实体要素。将关键词融入新闻标题,实现对新闻长文本的压缩,并借助词嵌入将压缩文本映射成文本向量。然后将多特征新闻实体要素通过语义匹配进行融合,计算新闻文本间的关联权重。以此构造无向带权的新闻文本关联图网络,网络节点对应新闻文本,节点间的邻边带有关联权重,在图网络上设置随机游走,通过对话题内文本和新闻话题进行分层编码,利用最小熵原理去冗余的核心思想,最小化编码长度,即可获得最佳的图网络高密度子图划分,以此实现新闻话题的挖掘。第三是基于时间序列的新闻话题热度评价分析。根据事件发展规律,新闻话题热度随时间变化,话题热度受用户和媒体的关注度影响,因此本文从话题的用户关注度和媒体关注度出发,设计话题热度值计算模型,判断时间域内的热点话题。其次,根据新闻事件报道的时间,对话题在时间序列上的热度变化进行分析。本文依托从新闻门户网站爬取的新闻语料,在三个研究点上进行分别进行实验,综合三点最终达到新闻热点话题挖掘的目的。实验结果证明本文提出的新闻热点话题发现方法的可行性和准确性。