互联网新闻已经成为用户获取信息的一个重要来源。新型的网络资源和网络新闻应用不断增加,网络新闻数目呈现爆炸式增长,给用户阅读新闻增加了很多困难,从大量的网络新闻中发现和分析热点事件成为急需解决的重要问题。尽管机器学习、自然语言处理等多方面的技术已经在网络热点事件发现中得到了广泛的应用,但是现有的文本表示模型存在相对局限性,使得文本表示的性能仍不能让用户满意,还有很多问题需要进一步研究。为了实现更加深入的理解文本的目的,本文基于句义结构模型构建了一种基于聚类的互联网热点事件发现方法。该方法首先对文档进行句义成分分析,计算词的权重后生成语义向量;将语义向量用到热点事件发现系统中,采用single-pass聚类思想和凝聚式层次聚类与K-means聚类算法相结合的聚类算法,事件发现准确率为75.2%。此外,构建了一种事件简化表示的方法,抽取事件发展关键点和事件标签,事件发展关键点的准确率为58.9%。此外,设计并实现了一种热点事件发现和事件简化表示原型系统。