随着网络的迅猛发展，网络已成为广大网民获取与发布信息不可或缺的渠道，因此网络舆情信息的舆论导向作用愈来愈大。如何及时并有效的发现舆情热点，并对关注热点跟踪分析，保障信息安全，监控舆论，已成为舆情研究领域中的一个重点和难点，也是一个挑战。本文综合分析了国内外话题识别与跟踪的研究现状，针对新闻报道形式的网络舆情语料，利用网络舆情分析处理技术，自动识别舆情热点话题。本文的核心工作包括舆情信息采集、舆情信息预处理、话题发现、热点话题识别。首先，网络舆情信息获取，针对传统的网络爬虫的两大缺陷，采取一定的网页分析策略，过滤无关网页，提高了舆情信息采集的效率及质量。另外，分析网页模板，设计一种基于模板与正则表达式结合的web信息抽取方法，进行网页清洗，将抽取到的有用信息保存到数据库服务器中。其次，舆情信息预处理，对采集的新闻报道正文进行新闻特征提取，利用向量空间模型表示新闻报道标题及正文内容，引入了命名实体识别对新闻特征权重计算的改进，设计了不同新闻报道间的相似度计算公式。再次，舆情话题发现，针对传统的话题发现算法Single-pass增量聚类算法存在的几个不足之处，引入了K-means方法和种子新闻报道的概念，提出了改进算法-增量K-means聚类算法。通过实验分析与比较，表明改进后的增量K-means聚类算法对于网络舆情话题发现还是有效可行的。最后，热点话题识别处理中，通过对舆情热点话题的特征分析，并结合媒体关注度与网民关注度设计了话题的“热”度计算公式，进行热点排序，找出热点话题。引入“Topic Index”的方法，探讨热点话题的产生及其演变过程。