微博的标语是“随时随地，发现新鲜事！”从这标语中的“随时”和“新鲜事”，我们就能知道微博中包含了大量的突发事件，如果不能及时处理突发事件，不仅会造成谣言的滋生和蔓延，破坏网络秩序，还会影响社会治安，不利于社会的安定团结。　　本文分析了微博的信息特点、传播特点和国内外的研究现状，提出一种微博突发话题检测方法。首先采用双滑动窗口来提取突发词和含有突发性的微博文本，然后从相对词频、词频增长率、突发词权重三个方面来对突发词进行筛选，确保抽取到的突发词能够更加准确的来描述突发事件，用基于凝聚式层次聚类算法来对获取的突发词进行聚类，再用聚类后的突发词集来概括表示突发事件。本文在计算权重时提出了一种结合CHI和改进的TF-IDF算法的方法，采用空间向量模型对微博文本数据进行建模，在微博文本聚类上用基于最大距离法的k-means聚类算法，最终得到突发事件的文本聚类。本文考虑到了中文词中存在一义多词或一词多义的缘故，在传统的TF-IDF算法上结合了词的语义，本文提出的一种结合CHI和改进的TF-IDF算法的方法在计算权重时，不仅可以降低空间向量的维度，还能减少计算的复杂度。实验中先对本文提出的结合CHI和改进的TF-IDF算法的方法同传统的TF-IDF算法和CHI统计法用MATLAB仿真结果做对比，再对本文提出的基于最大距离法的k-means聚类算法与传统的k-means聚类算法做对比，发现本文提出的方法能在一定程度上提高了召回率、准确率、F值。实验结果表明本文提出的方法可以有效检测微博中的突发话题。　　本文还设计了微博话题检测的平台，在平台中实现了部分功能如：用户界面、分词软件ICTCLAS的接入、特征项权重计算和文本聚类等。