网络新闻已经成为互联网时代人们获取信息、了解天下的主要渠道。但同其他网络资源一样,存在着信息过载的问题。已有的信息检索的成功应用--搜索引擎,初步解决了用户快速获取自己想要的信息这一问题。凭借强大的搜索功能,用户可以很快的找到其关注事件的相关新闻。但对于影响大、背景复杂的事件,简单的新闻罗列与组织(新闻分类)已经无法满足互联网时代人们快速吸收、理解信息的要求。自动寻找话题内的结构,帮助用户理解把握事件的全局概貌和来龙去脉,理清事件的内在逻辑,成为当下的一个研究热点。本文首先提出了话题结构化的内容,给出了自己的定义,认为一个话题的自动组织包含以下四点内容:一个话题有多条发展线索;每条发展线索形成多个事件主题;主题和主题之间有着因果联系和细化联系;不同主题有着不同的影响力(重要度)。根据这个定义,我们首先使用基于命名实体的单遍增量聚类得到话题的线索,在聚类中我们提出了不同于单连接和全连接的混合连接算法;然后我们在每条线索内使用NMF聚类得到线索包含的主题;接着我们基于相似度和是否共现计算了主题的相关性;最后我们根据主题包含的新闻数量和相关的主题数,推出主题的重要度。本文综合网络新闻常用的RSS新闻发布技术和开源全文检索引擎Lucene实现了一个原型系统。并设计了系列实验验证了两次核心聚类算法的有效性。