随着越来越多的用户愿意上网发微博,表达对公共事件的关注和看法、表达个人情感或情绪、报道新闻事件、发表观点等,微博已经成为非常有价值的数据源。如何有效地获取和展现微博数据中的有效信息,提高信息获取的效率,长期以来一直是一个研究热点。本文分析了微博文本的结构特点,构建了一个微博数据预处理话题检测与跟踪系统。系统通过新浪微博平台获取数据并进行分词,基于分词结果选取特征词构造向量空间模型(VSM);在计算特征权重时基于微博的hashtag信息来提升话题特征词的权重;使用微博转发关系提高微博聚类的准确率;并利用微博的转发数、评论数以及发微博用户信息的相关信息来提取关键词;考虑微博本身的结构特征,针对微博的转发关系,构造转发关系表对微博话题进行自适应地跟踪,进而获取微博话题的发展方向。本文主要工作包括:(1)针对微博文本具有hashtag的特点,并且hashtag通常是对整个微博内容的综合概括,提出了基于hashtag的权重计算方法,该方法能够有效地提高微博聚类的效果。(2)基于转发的微博与被转发的微博之间存在主题内容上的相似性,提出了基于转发关系簇的微博聚类算法,该算法首先基于微博的转发关系构造转发关系矩阵,基于转发关系矩阵构造转发关系簇,然后在转发关系簇的基础上进行聚类分析。(3)基于聚类结果,利用微博的转发、评论数以及微博发布者的信息来提取聚类中的主题词。(4)针对微博的转发关系,构造转发关系表对微博话题进行自适应地跟踪,获取微博事件的发展方向。