随着互联网的发展与普及,网络已经替代传统媒体,成为人们获取信息,新闻等的主要渠道。随之而来的,对于网络上的热点信息的监控和分析需求也就显得越来越重要,网络热点信息的发生和传播会带来一系列的社会影响,其传播来源多,传播速度快,传播范围广,传播时间短的特点又加大了相关研究的复杂度,本文基于这一需求,设计并实现了一套功能相对完善的网络热点信息挖掘与分析系统。本文首先简要介绍了系统所涉及的一些关键技术和算法模型,以方便后续对于系统设计阶段的阐述。之后,本文具体拆分了系统的需求,详细分析了其功能和性能方面的要求并以此为出发点,设计了系统的总体结构,并对各个子结构的设计给出了详细的解释和论证。同时,严格按照设计阶段的思路实现了所有模块,在实现时比较并论述了各个备选方案,并对最终所选方案给出了解释。最后,按照需求阶段的目标,详细设计了系统测试的指标和项目,验证了系统在网络热点信息挖掘和分析方面较为出色的效果。在设计和实现系统的过程中,本文提出了基于LSA和PLSA的主题降维聚类算法,解决了降维数据维度不匹配问题,并优化了原始算法中应用于本系统的不合理之处。不同于以上主题模型的单独实现,降维聚类算法在保证语义信息低损耗的同时,削减了冗余的运算规模,比较显著地提升了系统的稳定性和性能。另外,本文在分析主题热点时,本文针对性的进行了相关数学推导,基于隐马尔科夫模型对热点进行了更加直观的展示,优化了结果的呈现。