随着互联网技术的飞速发展,网络已经成为人们工作、学习和生活中不可或缺的重要组成部分。互联网媒体已经成为名副其实的“第四媒体”,大量网络的新闻的出现虽然开阔了人们的视野、丰富了人们的生活,但同时也造成了信息过载问题,谣言和虚假信息的泛滥传播为舆情监控带来了新的挑战。为了帮助人们解决信息过载问题,为网络舆情监控提供技术支持,论文对热点话题检测与趋势预测技术做了细致的研究。论文的主要工作内容包括以下三个方面:第一,针对传统Single-pass的缺点,对其进行改进,提出一种基于分段时间线和Single-pass的二次聚类算法。使用时间距离因子将时间线上的文档流分段,并使用Single-pass算法完成两段式增量聚类,提升了话题检测的精度。第二,应用生物学理论中的生命周期模型对话题的热度值进行建模。由于聚类算法的差异,传统的生命周期模型与Single-pass的融合方式不适用于融合本文的算法,所以提出一种新的模型融合方式将生命周期模型融入本文的算法。采用先聚类再计算热度值的思路,在聚类过程完成后回滚时间线到当前时间距离的起始点,完成当前时间距离内的话题热度值更新。第三,提出一种新的话题趋势预测方法进行热点话题预测。在已构建的生命周期模型的基础上,使用移动平均值模型跟踪话题的热度变化趋势并结合增长率计算过程完成话题趋势预测。