移动互联网的发展使得人人都可以随时随地地制造信息,而微博作为国内使用人数最多的社交平台,每天都会产生海量的信息。社交网络的数据包含了大量与当前社会热点事件紧密相关的信息,随着大数据时代的到来,越来越多的人文社科专家利用计算机技术来辅助研究。而通过研究社交平台的数据可以挖掘出民众中讨论的一些热点话题或事件,这些可以应用于社会学研究中用于跟踪民众对于政策或者事件的反响,具有一定的研究价值。在挖掘微博话题的过程中,针对短文本的噪声多、特征稀疏等特征,本文改进了特征提取与文本向量化部分,使得在特征抽取时能尽可能地抽取到具有完整语义的特征。根据调研,本文选择新浪微博作为研究对象。针对微博平台用户与文本数据的特征,本文提出了利用重复串改善分词以及利用doc2vec生成的句子向量做特征扩展的方法和模型。然后使用聚类算法进行话题检测,通过多组对比实验证明了方法的有效性。本文对这一过程中涉及的关键技术进行了调研与分析。在基于doc2vec的微博话题检测模型的基础上,本文最终设计并实现了一个面向控烟领域微博数据集的微博话题检测系统。系统利用网络爬虫采集了 2017年3月至6月份共353797条微博数据作为研究对象,对原始数据进行了文本清洗、文本向量化等预处理工作后,使用优化了初始化质心的k-means++聚类算法进行文本聚类,最后对结果进行主题词抽取来实现话题检测。另外系统还能进行单文本分析,通过输入日期还能自动生成周报以及月报,使用户能够直观了解到某段时间内微博平台上用户产生的话题以及数据趋势走向情况。