农业生产在我国发展的历史上一直扮演着重要角色,身处当今互联网时代也不例外。随着互联网时代的到来对各行各业都有不同程度的影响,其中尤以各种新媒体平台为最。新媒体拥有传播速度快,占用资源小,易接收等优点,但这也给很多行业带来困扰,大量新闻消息的发布,相关工作人员很难找到当前需要或者当前影响较大的新闻话题,这样可能会导致一些负面的舆论消息得不到有效的控制,向不好的方向发展,最终对社会和人民产生产生不好的影响。为了积极有效的控制各种类似情况的出现,舆情监控系统便很有必要。通过舆情系统的监控,更加有效快速的定位当前人们关注的热点新闻话题,并对有负面影响的新闻话题加以引导,使之向着对社会和人们有利的方向发展。研究内容立足于“国家农产品追溯系统分析决策子系统”对农业舆情话题检测与话题跟踪进行研究,该研究以帮助工作人员从海量的新闻报道中对舆情话题进行快速检测以及跟踪为目的。对农业舆情新闻的话题检测与跟踪分别从词向量,话题检测和话题跟踪三个方面展开研究。首先,提出一种词向量的表示方式,该研究通过TF-IDF与互信息结合的方式弥补了TF-IDF对特征词在类别间分布描述不足的问题,得到新的文本表示TIMI方式,最后通过将TI-MI词语权重值作为Word2vec词向量矩阵的权重得到最终的词向量表示方式,该方式对特征词类间分布有区分能力且包含语义和语序等信息。其次,基于传统的Single-Pass提出一种改进的Single-Pass增量聚类方法应用于农业舆情话题检测。该改进方法在传统Single-Pass相似度计算处,提出命名实体相似度与文本相似度计算加权融合的方式,能有效提升聚类效果,改善Single-Pass话题检测的效果。之后,通过注意力机制和TextCNN以及SVM构建自适应的话题跟踪模型。通过注意力机制在处理文本数据的位置不同提出三种基于注意力与TextCNN的文本表示方式——ABTextCNN-M(M=1,2,3),最后在TextCNN全连接层外接SVM构建自适应的话题跟踪模型。最后,将上述研究的成功应用于具体项目,第五章构建了农业舆情话题检测与跟踪的应用系统,包括系统需求分析、架构设计、功能设计以及数据库设计,通过使用相关技术以及框架进行编码对系统功能进行实现。