随着信息网络的快速发展,社交媒体作为其传播媒介,以大量的用户数群体、热点事件的迅速传播展示出巨大的社会影响力。社交网络出现的海量信息绝大多数都是以文本形式出现的,而这种数量级的数据无法通过人工处理的方式来提取出热点话题和关键词。因此,如何使用算法来更精确和快速的从大量数据中获取我们想要的数据信息,就成了话题提取研究中一个需要解决的问题。话题演化是指一个话题从产生到成熟,直至衰亡所经历的整个生命周期,是时间轴上一个动态变化过程。本文在研究目前比较主流的热点话题提取和演化分析方法后,针对各个研究方法中所存在的缺陷,从话题的内容出发,提取社交网络中的话题,并在时间轴上分析话题关键词的演化趋势。主要工作如下:第一,针对目前的文本聚类算法模型的缺陷以及对话题提取的需求,提出了基于词共现模型的距离度量方法。利用词距离对话题词进行聚类,使得对于热点话题的提取有良好的效果。同时,针对微博数据的特点和词共现模型的要求,将原始的微博数据进行预处理和词距离计算。预处理包含的内容有中文分词、过滤停用词和无效词,词距离计算是用距离来表示关键词之间的相关性。第二,针对基于密度峰值的聚类算法计算距离的缺陷和文本聚类的优缺点,提出了一种基于词距离的热点话题提取算法,并用评价指标对提取算法的优越性进行了论证。第三,针对话题演化模型的缺陷,采用包含度来评价两个话题之间的关系。同时,用词的独立性来表示词的重要性。对数据进行时间片的划分,可以很直观的看出话题随时间变化的演化情况。第四,使用Matlab和Gephi等工具实现了热点话题的提取及演化分析系统。该系统完成了本论文的大部分工作,对话题提取及演化分析的研究有着实际的意义。