微博作为一种新兴的网络交流媒体,自诞生以来就受到了广大网络用户的追捧,成为广大网民表达自身意愿的重要平台之一。微博平台具有灵活便捷的特性,这些特性为网民参与交流带来很大的便捷,同时也对互联网舆情监测带来很大的挑战。微博用户每天都会在微博平台上发布大量的信息,这些信息不仅包含微博用户对自身情感的表达,还包含人们对各种社会问题的观点看法,微博已经成为我国网民表达舆论的重要场所之一。目前国内外的舆情监测系统主要是针对BBS论坛、新闻站点等网络媒体,在微博舆情检测方面还需要进一步的完善。本文针对微博的舆情监测问题对目前的研究现状展开研究,提出了一种用于检测微博平台中存在的热点话题的方法。本文中提出的微博热点话题检测方法主要在微博数据特征词汇提取、特征词汇权值计算和文本聚类方法三个方面进行了改进。首先基于微博信息表达特有的格式,在对微博数据进行特征词汇选择时,优先选择包含信息量较大或者处于重要位置的词汇作为该微博信息的特征词汇,从而降低向量空间的维数,加快系统的运算效率。其次针对特征词汇包含信息量规模大小的问题,在计算特征词汇的权值时,对处于重要位置的词汇进行了一定的加权,另外还对转发量和评论量高的微博信息中包含的特征词汇进行了一定的加权。最后在对微博信息进行聚类分析时,提出了一种基于密度的K-means聚类算法,该算法依据数据对象在向量空间中的分布规律进行聚类中心的计算,避免了聚类中包含的噪音数据和孤立点数据带来的影响,提高了聚类结果的准确率和稳定性。最后通过实验对基于密度的K-means聚类算法的有效性进行了验证,并通过与K-means聚类算法的性能进行对比,证明了本文中提出的基于密度的K-means聚类算法在各个性能指标上均有一定幅度上的提升,从而证明了本文提出的针对微博的热点话题检测方法的有效性。