网络舆情作为重要的信息集散地,是人们参与和了解社会性话题的重要途径。而舆情信息的大数据特性在一定程度上却增加了信息理解和监控的难度。如何从大量非结构化数据中提取有效信息,甚至是追踪特定主题的演化分析成为当下舆情分析研究的重任。所以本文选择上述问题作为研究背景,从改进中文分词技术出发,以主题模型及其拓展作为主要的方法。力求通过研究思路的创新来提高当前研究方法在舆情分析中的应用效率和质量。本论文的主要工作归纳如下:(1)针对现有中文分词算法中“分词失义”的问题。本文通过定义广义名词性分词,提出了名词性合并算法。其基于替换、合并和修正三大规则实现对Pkuseg分词算法在语义完整性和未登录词识别上的改进。在实际应用中发现,基于该算法的特征分词划分效率和质量更高。鉴于改进后的算法对词长特征的影响,本文验证了其对常见的三种特征权重计算方法的影响。实验发现基于TFIDF的特征权重方法要好于其它两种涉及词长特征的方法。(2)针对传统在线主题模型在相邻主题参数先验传递过程中新词处理粗糙、先验信息源考虑不足的问题。本文通过doc2vec模型提取文档向量和词向量实现对传统在线主题模型语义空间的扩充,并据此实现对现有在线主题模型的改进。在一定程度上提升了主题模型的语义挖掘深度。通过实验论证发现,在混合语料的话题演化分析中,其与已有的先进方法相比具有更加稳定的效果。除此之外,在相似语料的子话题演化分析中,改进的模型对话题产生的子主题捕捉更加灵敏、准确。(3)针对传统主题模型在短文本上能力受限的问题,本文基于在线主题模型结构,提出了带初始化的短文本主题模型拓展方案:首先对外部语料库和当前建模语料分别添加伪时间戳标签:初始时刻和当前时刻。然后基于在线主题模型的参数过程实现对当前文本主题建模效率的改进。这种结构设定的目的在于增加文本特征的同时,保证平衡外部语料库与建模语料的主题关联度,而且这种模拟参数传递过程的方法有利于缓解短文本上主题建模易受噪声影响的现状。在实际应用中发现,其主题一致性程度明显提升,要好于短文本上狄利克雷混合分布模型。