随着信息技术持续不断的快速发展,信息产生与传播的速度与日俱增,与此同时,移动互联网技术的更新迭代与智能终端的大规模应用,使人们获取信息的方式也变得简单快捷。在此背景下,报纸、电视等定时新闻播报方式的影响逐渐式微,门户网站、新闻网站以及社交媒体等新闻传播平台成为人们关注时事热点的主要渠道。然而,互联网中的资讯平台不断增加,新闻报道的数量呈指数式增长,网络新闻资讯逐渐变得杂乱和臃肿。对于单用户来说,虽然能够从新闻客户端的个性化推荐中获取热点新闻,但其“量身定制”的新闻信息存在同质化严重、限制用户阅读选择自由等问题,使用户自主及时地从互联网中获取其感兴趣领域的新闻热点并追踪其发展趋势变得愈发困难。因此,应用先进的大数据技术处理和分析海量的新闻信息,使用户能够自主选择关注不同领域的热点话题,具有重要的研究意义。基于上述分析,本文结合网络新闻热点话题的特点和大数据处理平台的优势,设计并实现了基于Spark的多领域网络新闻热点挖掘系统,有效提升了新闻热点挖掘与追踪的性能。本文完成的主要工作包括:(1)针对多领域网络新闻分类问题,提出基于混合采样的集成fastText新闻自动分类模型,使用户能够自主选择其感兴趣的领域(如科技、体育、娱乐等),并重点关注其中的热点话题;(2)针对新闻热点话题挖掘,提出基于NE-LDA和Word2Vec相结合的改进型文本特征表示模型,而后利用Single-Pass聚类算法进行热点话题的自动发现;(3)针对热点话题展示与追踪,利用熵权法从时间、媒体和用户三个角度全面客观地评估话题的热度,同时基于用户的位置属性进行热点话题的推荐与展示;(4)设计并实现了基于Spark的多领域网络新闻热点挖掘系统,该系统包括数据的采集与存储、新闻分类、热点话题挖掘与展示等模块,并通过多角度的实验验证了本文方案的可行性与有效性。