移动互联网时代,网络以其无可比拟的传播速度,成为越来越多人表达诉求、宣泄情感和评论时政的重要途径。同时,与现实生活紧密相关的热点和敏感话题往往由网络引发,进而传输和扩散,对社会公共安全造成重大影响。网络话题一旦成为广大网民的关注焦点,短时间内将产生大量的相关报道。如何高效、实时、全方位地从网络数据流中捕捉热点话题已成为网络舆情监控、社会公共安全分析的重要研究内容。本文基于新闻媒体监控的应用需求,构建了一个面向新闻流的实时话题挖掘框架,并在该框架之上集成了实时话题挖掘和话题趋势发现算法,它有效地改善了如下问题：1)基于新闻数据的特性,将话题模型从多个角度来刻画,即时间、地点、人物、事件、机构等,使话题模型更丰富；2)通过加滑动时间窗口的实时聚类,过滤掉了较早前的历史数据,消除了历史数据对实时话题的影响；3)通过并行化聚类做话题趋势发现,解决了数据规模的可扩展性；4)通过统一的话题挖掘框架,未来可以兼容更优化的算法,提升了平台的通用性、扩展性。同时,为了对了更好的展示话题建模结果,本文搭建了一个话题展示平台网站来形象化的展示结果：对于实时话题,统计并抽取了话题的最相关标签单词,通过文本相似性关联了一些相关的视频；对于话题趋势,通过统计在不同时间点的强度,直观地展示了话题的发展趋势。在中文新闻数据集上的实验表明,本文的实时话题算法在话题挖掘的精度上比较可观,另外在话题趋势发现的实验表明,通过并行化技术,有了明显的速度提升。