随着Web2.0的发展,微博等社交媒体逐步成为了人们获取网络信息、了解社会动态的主要平台。微博信息主要由个人用户发布、信息通过人与人的社会交互共享,这使得微博呈现出数据规模大、信息质量参差不齐、话题实时更新等特点。如何在这些庞大冗余的微博信息中筛选出热门话题、摘取出有价值的信息片段,对于面向互联网络的信息处理具有重要的意义。本文首先研究了Hashtag话题相关性分析问题。Hashtag是微博文本中的一种主题标签,发布者可以利用Hashtag机制标注微博涉及的话题。微博平台基于Hashtag聚合微博,能帮助用户在海量微博数据中发现热点话题。但Hashtag由用户创建的特性使得不同的Hashtag可能代表着同一个话题,挖掘Hashtag之间的话题相关性将有助于热点话题发现。因此在分析了微博内容特征及结构特点的基础上,本文抽取了Hashtag文本特征、微博内容、Hashtag出现次数-时间分布以及Hashtag共现等一系列特征,用于分析Hashtag之间的话题相关性。在新浪微博数据上的实验结果显示,这一系列特征组合能较好地帮助Hashtag话题相关性分析。为了摘取出有价值的信息片段帮助用户快速了解话题的各个方面,本文进行了微博话题、子话题的关键词抽取研究。基于短文本聚类的方法,本文对同话题微博进行聚类以发现各个子话题,并利用关键词抽取技术分别提取了话题、子话题的关键词。实验表明,抽取微博话题及子话题的关键词可以方便地展示话题的主体以及不同侧面的信息,较好地解决了微博数据规模过载使得用户无法及时掌握热点信息的问题。