网络热点事件反映了社会动态、民生意愿,受到社会各界广泛关注,但是新闻门户网站中存在大量冗余的信息,人工的方式难以有效获取网络热点事件相关信息,且部分网络热点事件爆发迅速、影响巨大,人们需要及时了解事件发展态势。因此人们需要计算机能够在大量的新闻信息中自动发现网络热点事件,甚至在网络事件的早期对热点事件进行识别。网络热点事件识别技术受到研究者们的广泛关注,很多研究者使用不同的文本表示模型提升了热点事件识别的效果,根据已发生事件和新发生事件之间的相似性预测新发生事件的热度。但是在新闻领域中,提升网络热点事件识别效率的研究较少,网络热点事件早期识别方法的研究还有所欠缺。本文实证分析网络热点事件特征及网络事件早期特征,基于网络热点事件特征改进文本表示方法从而提升网络热点事件的识别效率,同时基于网络事件早期特征提出网络热点事件早期识别方法。本文的研究内容及贡献如下所示:(1)提出了KSSP网络热点事件识别方法。本文基于多源新闻爬虫系统采集的新闻数据,实证分析了网络热点事件的特征。研究发现网络热点事件讨论的话题不止一个,在话题偏移的过程中,新话题的部分文本会在文本的开头对其他话题进行简短的阐述。根据这一特征,本文创新性地使用关键词集及相关话题词集形式化表示新闻文本,降低了新闻文本表示的复杂性,根据新的文本表示方法改进了Single-Pass算法,提出了KSSP网络热点事件识别方法。实验结果表明,本文提出的KSSP网络热点事件识别方法在保证了网络热点事件识别效果的同时,提升了识别的效率且具有较好的稳定性。(2)提出了基于网络事件早期特征的热点事件早期识别方法。首先,本文实证研究了网络热点事件的生命周期特征,根据舆论影响可接受程度,合理定义了网络事件的早期。其次,实证研究了新闻媒体和互联网用户在网络热点事件上表现特征,提取了新闻数、评论数、媒体关注度等9个网络事件的早期特征,提出了基于网络事件早期特征的热点事件早期识别方法。最后,通过实验证明了该方法的有效性。(3)结合本文研究的网络热点事件的识别方法,本人开发了基于大规模新闻数据的舆情定制系统。本文研究的网络热点事件识别方法是该系统开发的关键所在,系统识别出的网络热点事件为情感分析、事件热度周期分析和相关关系识别等功能提供了数据支持。本文提出的KSSP网络热点事件识别方法,在保证识别效果的同时提升了识别的效率,且具有一定的稳定性;同时,本文提取新闻领域网络事件早期特征,提出了能够在事件早期有效识别热点事件的新方法。因此本文的研究能够为新闻领域的热点事件发现与追踪提供理论和技术上的支持。