微博热点话题发现是指从大量微博中挖掘出话题,并根据话题热度评估方法选出热点话题。它可以帮助人们从海量的信息中,便捷地选出用户感兴趣或者需要的信息,并对政府舆情指导、信息安全、金融判断等领域也有很大价值。本文对微博热点话题发现的现状进行分析和总结,发现目前存在文本分词错误率较高、主题词提取准确性不高以及选择的话题热度评估方式不同的问题。针对这些问题,本文重点研究了以下三个方面:第一,对中文分词和新词发现技术进行深入探讨,发现目前的分词工具分词后出会现很多单字碎片,尤其是将新词分词后,导致与原意非常不同。本文为了解决分词错误率较高的问题,提出了基于规则和N-Gram模型发现新词。首先考虑词语结构制定规则构建碎片库,然后利用Bi-Gram和Tri-Gram模式提取碎片库中的候选字串,选取在两个模式下概率都较大的候选字串做为新词,最后有机结合系统分词和新词。实验结果表明,这种算法有效的防止了因新词造成的微博文本分词效果差的影响。第二,针对主题词提取准确性不高的问题,本文结合TF-IDF算法和词共现模型的优点,提出了基于优化的TF-IDF和词共现模型提取主题词算法。在TF-IDF算法的研究中,发现传统算法没有体现词语的位置信息,本文为了有效反应词语的重要程度,把词语是属于微博正文、标题和评论的位置信息加入数据集中,并给予不同权重,以此优化TF-IDF算法。在此基础上,利用词共现模型考虑词语的上下文语义和语境的联系,进行主题词提取。通过实验验证,此算法可降低主题词提取的偏差,使结果更为精准。第三,通过对微博结构和话题传播规律的研究,本文选择参与用户特征和主题词特征作为热点话题的影响因素,并利用它们设计话题的热度值计算公式,计算每个话题的热度值,最后根据热度值的阈值选出微博热点话题。实验结果发现,该算法得到的微博热点话题和实际情况较符合。