随着互联网的快速发展以及移动互联网的全面普及，网民们相互沟通了解的方式越来越多样化。微博作为一个新兴的平台，以其独特的灵活性和便捷性，更加受到网民的青睐。微博给人们生活带来极大便利的同时，也产生了一些副作用，例如一些人使用微博蓄意传播假消息，给社会安定造成不良的影响。如果能够及早发现这些话题，就能及时采取相应的措施。对用户来说，用户只能看到自己主页上的微博消息，无法了解到整个微博网络中大多数用户都在讨论或者关注哪些事件。因此，及时发现微博热点话题是非常有意义的。本文定义了话题的热度，从定量的角度来表达热点话题，对于某个话题来说，包含的微博发布时间越晚，评论数和转发数越多，该话题的热度越高，越有可能是热点话题。国内外大量学者都在热点话题发现上做了许多研究，总结出来大致有聚类算法、LDA模型、情感模型三种方法，或者是在此基础上进行改进。本文在研究微博热点话题发现的过程中，首先需要解决微博语料的问题，传统的网络爬虫无法适用于微博信息抓取，而且微博API也只能抓取本人微博主页上的微博信息，无法获取大量的微博信息，所以本文根据微博用户之间相互关注的关系获取大量用户信息，然后抓取这些用户最新发表的微博信息。接下来需要对微博进行预处理，包括过滤垃圾微博信息、分词、去除停用词、无用信息过滤、特征词提取、特征权重计算，为每一条微博文本生成特征向量。最后针对微博不断增加的特点，选择适合的Single-Pass增量聚类算法，得到多个簇，每个簇代表一个话题，每一个话题下包含许多条微博。为了从话题中选择出热点话题，文中定义了话题的热度，发布时间越晚、评论数和转发数越多的话题，热度越高，成为热点话题的可能性越大。从大量学者的研究中发现，LDA主题模型也能够用来发现话题，但是它需要多次迭代，处理大量数据时运行时间比较长。不过LDA主题模型在主题表达方面比较有优势，所以本文将Single-Pass算法与LDA模型结合起来，先利用Single-Pass聚类算法对微博文本聚类，然后利用LDA算法处理每一个簇，最后得到微博热点话题，这样比单独使用Single-Pass能生成更加准确的话题，比单独使用LDA模型处理速度更快。