1、近年來，隨著互聯(lián)網(wǎng)的飛速發(fā)展，微博作為一種方便快捷的交流工具越來越受到廣大用戶的喜愛。微博的即時通訊功能使得微博信息能夠迅速的擴散，這些信息不但有很強的社會影響力，而且蘊含了價值很高的信息。但是，微博的裂變性、自主性等特點使得文本信息量呈現(xiàn)爆發(fā)式增長，從而導(dǎo)致用戶瀏覽的文本信息太多、太分散。因此，幫助人們從海量的微博信息中迅速發(fā)現(xiàn)有價值的信息，及時了解自己感興趣的話題及其發(fā)展趨勢，具有十分重要的現(xiàn)實意義和研究價值?；诖耍疚闹饕谝韵?/p>

2、三大方面進行了研究：
　　（1）本文首先對微博的相關(guān)概念和微博信息采集常用的兩種技術(shù)進行介紹，通過分析基于網(wǎng)絡(luò)爬蟲的信息采集和基于API的微博數(shù)據(jù)信息采集的各自優(yōu)缺點，考慮到研究對象主要是微博文本的話題檢測，在研究過程中經(jīng)過對各個因素的綜合考量，最終選取后者來進行微博信息的采集工作。
　?。?）本文在分析話題檢測整體工作過程的基礎(chǔ)上，首先通過數(shù)據(jù)預(yù)處理，過濾掉微博中大量的垃圾信息；其次通過文本表示、特征提取和特征項權(quán)重的計算

3、等對微博文本進行建模，進而對建模后生成的文本向量計算相似度；再次為了引入改進的Single-Pass聚類算法，本文先簡要敘述了四種常用的文本聚類算法，通過分析比較各自存在的優(yōu)缺點，對各算法進行綜合考量來確定本文所使用的聚類方法；最后利用召回率、誤檢率這兩個常用的話題檢測評價指標(biāo)來測試改進的Single-Pass聚類算法的性能。
　?。?）本文采用改進的Single-Pass聚類算法進行話題檢測并應(yīng)用到微博話題檢測系統(tǒng)當(dāng)中，顯示結(jié)果