随着互联网的普及,网络用户数量不断增加,互联网成为人们关注新闻动态、时事政治和发表观点的重要平台。与传统媒体相比较,网络新闻内容涉及更全面,更新速度更快,所以网络舆论也就成为社会舆论的一种重要表现形式。通过了解网络热点话题,及时掌握流行观点具有十分重要的意义。本文针对网络新闻语料进行热点发现研究,主要工作如下:新词发现是中文自然语言处理的基础,本文利用改进的关联规则算法对网络新闻进行挖掘,相邻、有序地输出频繁字符串集合,能有效地发现词典中未登录词以及当前网络中流行的热词。本文针对复合式新词的问题给出了一种支持度比对的方法。在热点新闻挖掘中,给出了根据互信息计算字符串的相似度,形成热点新闻的关键词集合,再进行热度计算的方法。在选取新闻语料进行处理时,由于新闻具有很强的时效性,同一时间关于同一主题的不同报道会陈述某些相同的信息。本文改进传统的自动摘要算法,首先利用二元分类器对事件句与非事件句进行初步判定,把事件句作为摘要句的候选集合,降低了运算的时间。由于新闻数据量较大,逐一进行分词和关联规则计算效率太低。于是针对爬虫技术提取到的网络新闻的特点,本文对新闻内容进行自动摘要处理,选取一定比例的摘要句与新闻标题作为语料集进行实验。为了解决多新闻网站新闻数据量大且不易处理的问题,本文给出了一种新闻热点快速查找的方法。先找出单个新闻网站的新闻热点排名,再利用top-N算法对排名结果进行综合快速排名。本文选取网易、搜狐和新浪三大新闻网站从2013年2月25日到2015年3月31日的数据为语料源对本文的方法进行验证。实验结果表明,本文的方法能有效地发现网络新闻的热点新闻。