在互联网金融行业越来越兴旺的今天,P2P网络借贷(People-to-People Lending or Peer-to-Peer Lending,以下简称P2P网贷)也随之日益兴盛。P2P网贷第三方机构下属的网贷社区版块是P2P网贷投资人根据所投平台状况发布网贷信息的主要场所之一,对相应的P2P网贷话题进行热点的挖掘,能够及时掌握投资人关注的焦点及P2P网贷舆情动态,同时也对政府相关部门及时掌握突发事件起到帮助;对P2P网贷话题热度进行预测,能够对P2P网贷舆情监管起到引导作用。为了能及时准确的发现投资人关注的热点话题,本课题使用二次聚类方法发现网贷话题簇,再根据话题热度计算公式实现热点话题发现。通过第一次聚类ISODATA聚类算法来对每月曝光台贴吧数据进行聚类,进而得出每月话题簇。之后将每月话题簇数量进行累加并求得一年内的每月话题簇类数平均值,且将此作为第二次聚类K-means聚类算法的初始聚类中心,最后得出一年的话题簇。这解决了传统的只单纯依据经验而直接使用给定聚类数值K的聚类算法而造成的聚类结果存在的偏差问题。最后通过P2P网贷话题热度计算公式得到热点话题。为了对P2P网贷话题热度进行预测,本课题提出了一种基于K近邻的新话题热度预测算法,首先利用K-近邻算法找到在内容上与新话题相似的旧话题,并根据旧话题的点击数时间序列与评论数时间序列的组合模型序列对P2P网贷新话题热度及发展变化趋势进行预测。最后的实验结果表明内容相似的P2P网贷话题在话题出现的初期具有相似的热度及发展变化趋势。