近年来,随着互联网技术的蓬勃发展和互联网应用的日益普及,微博、贴吧在社交领域中占据着越来越重要的地位。各种话题及其言论和新兴事物借由微博和贴吧的平台迅速传播,随之而来的是越来越频发的各种网络事件。与互联网相关的舆情监控和追踪也受到各大科研机构或院校的重视,而如何从海量非结构化数据中挖掘热点话题,把握舆情的走向已经成为目前研究的重点问题。本论文以互联网中高校相关舆情信息为分析对象,通过对BBS、贴吧、微博等校园专题网络资源中的信息进行话题挖掘,及时掌握学生关注的焦点问题。针对语料库中各类噪音数据,使用正则表达式进行过滤,为模型的建立做好数据准备工作。针对微博短文本、海量数据的问题,本文对LDA模型算法进行了优化。采用结合了聚类算法的HM-LDA模型,并在模型建立阶段将用户的评论和转发信息用于建模,解决了短文本信息量少的问题,提高了话题挖掘的精度;并将算法运行在Hadoop平台上,利用MapReduce编程模型的分布式运算能力达到高效处理海量数据的目的。最后通过实验验证基于Hadoop平台的HM-LDA算法在话题检测上的精度以及分布式处理的效率。面对海量数据时,分布式HM-LDA算法比传统的LDA算法具有更好的话题检测准确度,同时也比单机环境下HM-LDA算法具有更高的效率。而实验结果也证明,分布式HM-LDA算法,在相同数据规模的前提下,集群中的计算节点越多,算法的效率越高。