网络普及使得基于电子媒介的交流迅速发展，在线讨论便是其中的一种，在线讨论是一种“串线讨论”，它在形式上是基于一条源发消息而展开的，所有参与者随时都可以发送回复消息来响应源发消息和其他回复消息，这就可能导致讨论线索交叉并存的现象出现，因此与面对面讨论相比，在线讨论更容易产生讨论主题的漂移。主题漂移使得讨论的话题发生了转移，产生了新的讨论主题，或是陷入无意义的争论和相互的攻击中，讨论违背了讨论的初衷，影响了讨论的质量。若能用一种方法自动侦测出一条串线讨论是否发生了主题漂移，在哪发生了什么形式的主题漂移，给在线讨论的参与者和管理者以警示，必将有重要的价值。目前对主题漂移的研究多集中在教育领域，且集中在采取措施避免主题漂移发生方面，在主题漂移侦测方面鲜有研究。　　 为实现在线讨论主题漂移的自动侦测，本文依据数据挖掘中分类的思想漂移的识别问题看作一个分类问题，即通过把待侦测的讨论分为发生了主题漂移和没有发生主题漂移两类来实现侦测。文本选用一组经过了人工判断标记发生了主题漂移与否的讨论串线作为训练样本，对这些样本进行一定的处理后，通过有指导的学习建立了一个分类模型，然后依据该分类模型对待侦测的讨论进行分类，由此判断是否发生了主题漂移。　　 本文提出了一套主题漂移自动侦测的方法，该方法是基于文本聚类以及决策树分类的，具体做了如下工作：　　 (1)将文本聚类方法应用到主题漂移的自动侦测研究中，并对聚类算法AGNES做了改进，使用一种迭代过程来确定最佳聚类数，从而克服了算法需要设置聚类数参数且聚类效果对聚类数敏感的缺点。　　 (2)针对在线讨论中消息文本的特点，提出了一套文本处理的方法，主要包括：消息文本预处理的一系列方法；考虑词汇出现位置、词性等因素的文本表示特征项的选择；基于词汇共现得到词间关系进行特征项的扩展；对传统特征项加权算法的改进。　　 (3)以聚类质量评价领域的相关研究为基础，建立了一个用于主题漂移侦测的指标体系，并证明了其中一些核心指标的有效性。　　 (4)将数据挖掘中的决策树方法应用于主题漂移自动侦测中，利用训练集生成了高效的决策树。　　 本文通过实验证明了以上工作在在线讨论主题漂移自动侦测中的有效性，为更深入的研究提供了基础，同时其中的一些方法也可运用于在线讨论的其它研究领域。