话题演化是指根据不同时间段文本内部的话题相似度获得的话题产生、兴起、消亡的变化历程。本文实现了基于种子文档和OLDA话题模型的发现文本话题信息的改进方法,该方法使用余弦、相对熵等进行话题的相似度计算,通过相似度和时序关系来进行话题的关联性分析,通过话题内容和强度的变化来描述话题的演化过程。探讨话题随时间的演化具有一定的理论和实践意义。首先,通过分析已有话题模型实现了一种基于OLDA模型的挖掘文本深层信息的改进方法。话题演化可以通过词汇的统计信息来形式化表达其浅层信息；可以通过LDA、OLDA等模型来挖掘其深层信息。已有研究表明,引入了LDA模型的话题演化模型可以提高挖掘文本话题信息的效果。OLDA模型在LDA模型的基础上将上一时间片的后验概率作为当前时间片的先验知识来参与训练,这有助于保持话题演化在时间片上的连续性并提高挖掘话题信息的效果。本文基于OLDA模型给出了一种挖掘文本深层信息的改进方法。对比实验表明,基于OLDA的话题演化方法有助于改善话题演化的效果。其次,通过分析话题演化与种子文档的关联性实现了一种基于种子文档的话题演化的改进方法。种子文档是所在时间段上的代表性文档,话题可以看作是与种子事件相关的一系列事件。由于话题演化具有突发性,它在产生、兴起、消亡的渐变过程中,有可能突然从热点变成冷门。本文基于种子文档能发现代表性文档的特点将上个时间片中种子文档的话题信息加入到当前时间片中以强化当前时间片对应话题的强度,达到削弱噪声、消弭突变的目的。本文通过分析已有话题模型和种子文档实现了基于种子文档和OLDA模型的话题演化的改进方法,通过种子文档来保持话题在内容上的连续性并削弱背景噪声带来的影响,通过OLDA模型来保持话题在时间线上的连续性。对比实验表明,话题演化效果有了一定程度的提高。