随着互联网平台信息传播方式的多样化,微博作为一种最受欢迎的社交网络平台,实现了信息从发布、传播到接收的实时性,用户可以最快地获取实时热点话题。微博作为事件、情绪的文字表达,利用自然语言处理技术为自动检测微博热点提供了可能。但因其实时性的特点,其文本处理过程有别于常规的文本,故面向微博数据进行热点话题的挖掘有着重要的意义。本文分析微博的数据特点,给出可量化热词定义,提出一种挖掘实时热点话题的热词分析算法。该算法首先对微博数据进行预处理,利用方差消除高频词对后续热词分析的干扰,然后将热力学中的牛顿冷却定律变形后进行适用于微博的热词发现,并提出基于动态阈值的剔除规则去除词频变化率大的低频词。基于热词发现的结果本文又研究提取热词之间的关联性,利用左右信息熵和互信息进行热词的初步关联,并引入词共现模型,实现热词的二次关联,将表达同一热点话题的热词集合合并,输出最终的热点话题。本文提出的一种适用于新浪微博数据的热词分析算法,结合实际数据进行实验,实验结果表明,算法识别热点话题的准确率为71.23%,误差率控制在8.17%的范围内,使得基于热词分析进行实时热点话题挖掘更为合理。