随着移动互联网的快速发展,尤其是如社交媒体,即时通讯等平台的发展,人们在网络上传递观点,分享信息,发布新闻,从而快速产生了大量短文本数据。从各类平台上识别追踪短文本的话题能够帮助我们更好地理解短文本数据中的关键信息以及当前时间段人们关注的热点话题。主题演化技术能够对文本数据在连续时间窗口之间的主题内涵演变进行观察和探索。传统的主题演化技术主要基于以LDA(Latent Dirichlet Allocation)为代表的主题模型。但是短文本数据具有特征稀疏和语义上下文依赖性强的特点,难以直接应用于传统的主题模型中去。另外,传统的主题内容演化主要是人工观察主题词的内涵变化,对主题在时间窗口之间的演化过程缺少系统性的理解。针对以上两个问题,本文提出的我们的研究方法:本文提出一种新的基于短文本聚集策略的主题建模方式。本文首先引入词嵌入技术Word2Vec和词语移动距离(Word Mover’s Distance,WMD)来充分利用短文本的语义信息,再利用文本聚类将短文本构造为伪长文本来扩充短文本特征,达到克服短文本特征稀疏的目的。本文在一个真实数据集上实验显示,本文的主题建模方法具有很好的主题抽取准确性。本文提出一种新的主题内容演化的形式。本文提出根据主题相似度将主题分阶段划分的演化框架,主题的演化过程分为新生、继承、分裂、合并和消亡。本文提出一种基于语义的主题相似度计算方式,根据阈值和不同时间窗口间的主题相似度将主题归类到上述框架中。同时本文还考虑了主题内容的情感极性演化。实验显示,本文提出的主题内容演化框架具有更好的主题表现形式。