在新媒体时代,微博已成为网民发表个人观点,共享外界信息的重要平台,其中对于平台中发表的旅游类微博来说,不论对景区管理人员,还是用户,都具有重大意义:对于热爱旅游的普通用户,可以让他们快速了解关于旅游方面的消息,而对于旅游景点官方微博来说,通过查看其他用户通过微博发表自己游玩某地后的游记感受以及和其他用户之间相互交流,可以了解用户对于景点的感受及需求,有助于改善和提升景区服务。山西省旅游资源十分丰富,且拥有着很多独特的资源,但相对于丰富的旅游资源来说,山西省旅游行业在经营管理、宣传推广等方面还有很大发展空间,通过对旅游微博热点话题发现及相关微博返回的研究,可以充分了解用户日趋多样化、个性化的旅游需求,才能有针对性地发展具有独特卖点的市场竞争优势。本文就山西旅游微博的应用做了如下研究:第一,针对现有关于山西旅游微博研究数据集较少的问题,根据研究内容需要,确定爬取数据的指标,使用数据爬取软件自主爬取数据集,并进行分词、去停用词、文本建模的数据预处理过程,将数据集处理成计算机可以识别处理的形式,为后续进行话题发现的聚类过程奠定基础。第二,在充分分析国内外相关研究现状以及目前已有的微博热点话题榜的应用基础上,提出了一种基于改进K-means聚类算法的旅游微博话题发现方法,利用层次型聚类算法AGNES(Agglomerative Nesting)得到聚类中心,作为K-means算法聚类的初始类中心点,解决了K-means算法初始聚类中心点选择随意的问题,提高了聚类结果的稳定性。在此基础上利用K-means算法再次聚类,以克服层次聚类得到结果无法修正的问题,通过以上两步结合,可以对旅游微博文本中相似的话题进行聚类从而得到微博话题。第三,提出利用文档-主题概率分布来计算旅游话题热度的方法,在此基础上,进一步提出一种包含三层筛选过程的相关微博返回方法,综合微博内容与热点话题的相关性、用户价值、微博受关注度等因素,对旅游热点话题相关微博完成合理筛选排序,以便进行有效返回;最后结合研究结果,分析了山西旅游官博和旅游行业自身发展的现状及其隐藏的一些问题,并针对问题给出一些参考建议。通过在实际数据上的应用,证明了本文提出的改进K-means算法在文本聚类方面的性能优于其他单一聚类算法,而且使用本文提出的相关微博返回方法返回的微博其准确率也高于现有平台的准确率,即使微博用户不具有相关先验知识,也不需要全部浏览所有相关微博就可以大致了解话题的来龙去脉,以较小的阅读代价获得较好的阅读体验。