微博已经成为当今社会新一代的重要媒体,几乎现实社会中的事件都会在微博中形成讨论,并进一步酝酿发酵,进而影响到现实中的社会事件。因此对微博网络中话题的产生发展及影响力研究,是当前业界关注的问题之一,具有较强的社会意义和现实意义。本论文的主要工作如下：1、研究了微博文本的特点,并针对其特殊性分析了现有文本处理策略对微博文本的适用性,在现有文本表示策略的基础上,结合微博网络的特点,提出了一种适用于微博短文本的文本表示策略,其基本思想是将TFIDF策略与近义词库应用相结合,对传统的特征空间进行调整,合并具有相关性的特征项,以修正传统特征空间中正交假设带来的文本相似性度量的偏差,并利用微博评论扩充微博文本,从而能够更准确的计算文本间的相似度。2、在分析现有聚类算法的基础上,给出了传统文本聚类算法的优缺点,并在分析微博网络中话题的发现对聚类算法的要求的基础上,提出了增量式聚类算法Ant-tree的改进算法——RD-Ant-tree算法。该算法利用Ant-tree算法在效率上的先天优势,针对Ant-tree算法对数据输入顺序敏感的问题,通过动态调整结果树,降低了输入顺序对算法结果的影响,以达到实现更稳定的聚类效果的目标。3、通过对微博网络中突发事件传播模型的研究和二次传播理论在微博中的应用,建立了微博话题热度与潜在影响力的评估模型,以期对微博话题的热度进行更准确的评估并通过评估话题的潜在影响力更早的发现热点话题。4、在以上理论研究的基础上,本论文还对微博网络热点话题发现系统进行了设计与实现,并通过实验验证了该系统的实用性。