主题模型的构建是自然语言处理的重要任务和关键步骤,该方法旨在抽取文档中的主题信息:主题词或主题句,以方便人们阅读信息并对文本信息进行进一步的应用。随着互联网的发展和媒介的更迭,社交媒体成为人们获取、传递、交流信息的载体和平台。其中,微博作为国内用户数量多、用户活跃度、用户粘性最高的社交媒体,每天产生着大量的文本类非结构数据,具有较大的信息价值,成为学术研究的热点。此外,微博的文本信息碎片化程度较高,同一类型的话题会产生大量的相关微博内容或转发评论内容,所以对微博信息进行主题词提取,具有较高的科研价值。针对这一研究目的,本文对几类现有的主题模型算法进行了分析对比,主要工作内容如下:(1)针对微博这一网络文本的特点,提出了一种基于LDA和TextRank算法融合的主题信息抽取方法,对微博文本进行主题信息的抽取。(2)针对TextRank算法在主题信息抽取时的不足,本研究将文本的信息与文本主题所包含的权重相结合,提出一种将LDA算法计算得到的权重影响因子用来初始化TextRank算法中每个顶点的权重数值的融合算法。(3)通过实验对比LDA算法、TextRank算法、以及本文提出的融合算法在主题模型中的效果,验证了融合算法的有效性。本文主要为主题建模算法提供了一种补充,表明不同主题模型算法的融合对于文本主题信息的提取更有效,为以微博文本为代表的大量网络文本的语义分析与挖掘提供了新的思路。