随着移动互联网技术和智能手机的不断发展,每时每刻产生着大量的信息数据。微信作为一种最广泛的应用,拥有着数以亿计的用户,而微信公众号的数量近两年更是井喷式地增长,并且其中包含大量有价值的信息。面对如此海量的数据,如何对其进行有效的利用,使用户获取自身感兴趣的信息和知识是当下的研究热点。本文首先对微信公众号内容进行数据抓取,然后对所得的文本数据预处理、建立主题挖掘模型。使用LDA和HDP两种主题模型对公众号文本数据做了聚类分析,并且对这两种算法进行了研究和比较。最后设计并实现了面向企业用户的公众号信息推送平台。通过该平台用户可以获取自己感兴趣的公众号文章信息。本文具体工作主要包括以下几个方面:1.提出一种全新的微信公众号数据抓取方式,通过安卓模拟器、自动点击APP、数据包解析和存储这三部分实现公众号爬虫。实际测试表明该爬虫具有抓取效率高、实时性强、数据完整、稳定性高的特点,这也是本次研究的创新点之一。2.基于Jieba分词工具和潜在狄利克雷分配(Latent Dirichlet Allocation)(简称LDA)以及层次狄利克雷过程(Hierarchical Dirichlet Process)(简称HDP),对微信公众号的文本内容按主题进行数据挖掘并形成类别,然后从这些类别中提取出关键词形成标签。本文还对LDA与HDP模型参数变化对文本聚类结果的影响进行了研究和分析。通过实验数据对比了上述两种算法的准确率、召回率以及F1值。3.设计并实现了面向企业用户的微信公众号内容推送信息平台,该系统的主要功能为:(1)给用户提供企业标签列表进行选择;(2)信息平台会根据用户选择的标签,通过推荐算法给用户推送感兴趣的文章信息;(3)信息平台会提供给用户全面的公众号内容信息,包括文章、点赞阅读数、发布时间、公众号名称等信息。本文通过高效稳定的微信公众号数据抓取,准确的文本主题聚类,构建起面向企业的实时信息服务平台,相关内容已经在实验室实际系统中得到应用,具有一定的创新性和良好的应用前景。