话题检测技术是话题检测与跟踪技术的重要组成部分，旨在在线从新闻媒体信息流中自动识别其中存在的话题并同时发现新话题。现有的话题检测算法主要面向传统新闻网站上的语料进行话题检测，而本文研究的是面向微博平台的话题检测。本文深入分析了微博文本的组织形式，明晰了对微博信息进行话题检测的主要技术需求，重点研究了微博信息采集与清洗方法、话题检测算法和话题热度评估方法，取得了以下三个方面的研究成果：(1)提出了一种面向微博领域的信息采集和清洗方法。在信息采集的过程中，通过分析微博作者的特征以及文本特征判断是否要收录该条微博，从而避免采集到一些“噪声”微博。该方法提高了微博采集的效率和采集到的微博质量。(2)提出了一种适用于微博的话题检测算法。根据微博用语灵活的特点，本文首先对微博文本进行预处理，继而提出了增量DBSCAN话题检测算法，该算法能够处理增量化更新的数据并且优化了聚类策略，使之能够满足在线话题检测的需求。该算法提高了话题检测的质量和效率。(3)提出了一种综合用户参与度和话题关注度的话题热度计算方法。通过在热度评分算法中融入用户参与度和话题关注度两个要素进行计算，并与话题检测算法有效结合，使得话题检测结果能以更加科学合理的方式呈现出来。基于以上成果，本文设计并实现了一个微博话题检测系统，该系统使用户能从宏观上直观了解到在整个微博平台上的发生的话题并且对感兴趣的话题进行跟踪关注，大大提高了用户信息获取的效率，具有一定的实用价值。