网络舆情是在互联网上流行的对社会问题不同看法的网络舆论,是通过互联网传播的公众对现实生活中某些热点、焦点问题所持的言论和观点,它们有较强影响力和倾向性。随着互联网的普及和开放,人民参政议政,同时也实践自己的权利。但总有一部分网民通过互联网传播一些恶意、虚假的言论,误导了民众,造成了社会的不稳定性。话题发现与跟踪系统一方面可以应用于对网络论坛等形式的舆情途径进行监管,另一方面应用于为用户提供话题分类标签,利于用户的查找。基于网络论坛的话题发现和追踪技术因为涉及多个学科,仍处于发展阶段。目前,主要的方法是通过对论坛中的帖子进行聚类分析而获取话题。针对不同系统应用的聚类算法改进,是目前研究的主要方向。现有的典型的聚类算法各有一定的优势,但应用到系统中都面临着动态数据适应性、数据结构的适应性、聚类效果、待聚类数据形状等方面的约束。没有一种现有的算法可以完全适应以上的特性。采用文本聚类方式获取话题和跟踪话题易于理解,易于实现。因此,本文选取文本聚类方法。首先对文本聚类相关的核心技术做了概述性总结,然后在现有文本模型向量空间模型的基础上,对层次聚类算法进行了改进,继承了层次聚类算法的聚类效果好、可实现多粒度聚类的特点,同时又能够适应动态数据,对不断更新的数据进行增量聚类,并将该算法设计到论坛话题发现与跟踪系统中。通过对两个知名论坛的数据测试,话题发现和跟踪系统都可以达到较好的准确度。