在信息爆炸的时代,互联网已经成为了信息传播非常重要的载体之一。随着时间的积累,互联网成为了一个庞大而又复杂的信息仓库,简单的浏览、检索已经不能满足人们的需求。人们更希望能够从这些海量数据中挖掘出有用的信息,为将来的发展提供指导和辅助作用。因此本文所做的基于新闻主题模型的热点工作挖掘就非常具有价值。对热点工作的衡量评估主要就是对某类活动数量及其重要性进行的综合评估。因此我们设计了一个以对政府部门新闻报道文本的挖掘为基础的自动化热点工作挖掘展示系统。在此系统中,我们提出和改进了两个关键算法。第一,本文提出了基于统计和规则的职位识别方法,通过角色标注等手段,自动识别出新闻报道中出现的人物的职位,并通过对中国残联网站上新闻文本的学习和测试,证明了本文所提方法的有效性。第二,本文改进了现有的多标签分类算法流程,将带标签的概率潜在语义分析模型引入到算法流程中。算法分析及实验结果表明,本文改进后的方法比单纯使用支持向量机等方法在效率和准确率上都有了较大的提高。在这两大算法的基础上,我们设计实现了热点工作挖掘系统,目前该子系统已经融合到了科技部项目残疾人数据分析与挖掘系统中,给中国残联的工作提供了决策辅助信息。