近年来,微博借助于其自身的草根性、便捷性和对时事的迅速传播性越来越受到大众的欢迎,成为中国大众了解时事和参与热门话题讨论的主流媒体。微博是一种通过关注机制共享的短文本实时信息的广播式社交媒体和网络平台,基于该平台信息可以通过用户关系进行信息共享、传播和获取。用户间的相互交流和传播产生了多种多样的话题,微博的即时性极大的推进了话题的发展,形成并传播了热门话题。在一些引起广大网友讨论的微博话题中,参与阅读和互动的用户数量已达到过数千万,这些话题通常蕴含着重要的信息,并具有很强的社会影响力度,引起了众多专家学者的关注。因此,如何从大量的微博文本中准确的挖掘出热门话题具有重要意义。基于此,本文研究的工作围绕提高微博话题检测的准确性主要包括以下三个方面:(1)提出一种基于Word2vec和句子结构的内容树文本表示方法,提高计算文本相似度的准确性首先,在文本中提取特征词,将该特征词与文本分词后的其它词语根据皮尔逊相关系数进行相关度计算,创建内容树;其次,借助内容树将词语根据相邻词之间的相关性构造依赖于句子结构的词向量;然后对得到的所有词向量求平均值得到句向量表示;最后将该方法通过中文文本分类和文本相似度计算进行验证。(2)提出基于single-pass的微博内容层次聚类算法,提高微博话题检测的准确性首先将爬取的微博文本内容较少的文本进行过滤,保留内容较多、话题较丰富的文本,利用single-pass聚类算法进行优先聚类,形成话题中心;然后再将内容较少的微博文本输入,与已形成话题中心的微博文本进行聚类,最终提高了对微博话题检测的准确性。(3)设计并实现微博话题检测系统,将改进的文本相似度和话题聚类算法应用于系统中首先利用上述两种算法作为微博话题检测系统的理论依据,分析并设计系统相应的功能模块,然后实现基于微博的话题检测系统。该系统可以比较准确的分析出某个时间段内的热门微博话题。