互联网的发展带动了以微博为代表的新媒体的广泛应用,在海量的微博文本中会产生大量的新词,给微博领域的相关研究带来困难;此外,信息会在用户数庞大的微博平台中不断发酵,形成热点话题,但是用户很难准确的掌握微博平台上发酵的热点话题。需要使用计算机的方法发现热点话题。主要研究工作如下:微博新词发现研究方面,本文提出规则与N-gram算法相结合的方法提取候选新词。首先研究新词的构成模式,确定本文新词研究的范围。然后根据新词的构成模式,制定相关的规则提取分词后的碎片,针对提取的碎片,使用N-gram算法进行候选字串的提取,通过训练垃圾词典和词频过滤候选字串,得到实验所需的候选新词列表。最后以CRF为框架,不断的加入新词的语言与统计特征研究特征组合对新词发现的影响。实验表明,本文的候选新词提取算法较为明显地提升了新词发现的性能。微博热点话题发现研究方面,包括文本相似度计算与文本聚类。文本相似度计算方面,提出了基于余弦法则与A值矩阵相结合的相似度算法,首先选择LDA模型进行特征选择,计算特征项的A值;然后以经典的TF-IDF算法计算特征项的权重,同时构建微博文本的VSM模型,根据余弦法则计算文本向量间的余弦值;最后通过参数调节特征项权值与语义间的联系,使聚类更准确,提高微博话题发现算法的性能。微博文本聚类方面,根据用户关注关系和转发评论关系改进Single-Pass聚类算法,通过设置双相似度阈值,判断用户关注与转发评论关系进行聚类,得到初始话题类,最后采用CURE聚类算法合并初始话题类,弥补了话题聚类精度不够高的缺点。