随着互联网技术的飞速发展,社交媒体平台已经越来越成为人们了解最近发生的热点事件及其观点的有效信息来源,如微博、Twitter。微博等短文本社交平台可以为用户提供传统媒体无法提供的实时有效的信息,社会媒体挖掘相关研究方向变得越来越热门,对于发展情节较曲折、关注度较高的热点事件,快速获取其发展过程相关信息非常重要。本课题中,热点新闻事件脉络分析就是实现对现实中发生的社会事件或娱乐事件的发展脉络的自动生成,具体来讲就是利用模型将事件发展的有效信息从杂乱无章的短文本数据中提取出来,组织成简洁、准确的事件脉络。但由于微博本身是短文本,内容组织杂乱无章,并且存在大量冗余信息,噪音多,脉络分析具有很大的挑战性。目前存在的算法,如基于聚类算法的事件脉络分析和基于图优化的事件脉络分析,虽然在一定程度上可以实现有效的信息提取,但是依然存在问题,脉络的准确性、完整性、连贯性无法保证,并且没有专门用于事件脉络的评估方法,无法综合评估脉络的质量。本文针对以上问题提出以下两个模型并提出新的综合脉络完整性和连贯性的评估指标:(1)基于HWB阶段检测算法的事件脉络生成模型:该模型基于图优化算法,在保证脉络连贯性的基础上,结合微博数据的热词在阶段之间的分布差异性,提出基于HWB(Hot Word Based)阶段检测算法,保证脉络的完整性;并且利用社区发现算法和改进的图优化算法对输入图优化算法的数据进一步过滤,保持数据多样性的同时降低数据量,从而生成完整、连贯、准确性高的事件脉络。我们在真实数据集上设计对比实验证明了模型每个模块的有效性,同时选取三个现有模型进行对比,证明了模型整体的有效性。(2)基于动态关键词图阶段检测算法的事件脉络生成模型:针对基于HWB阶段检测算法对事件阶段热度的依赖性问题,我们提出将图结构应用到阶段检测的基于动态关键词图的阶段检测算法,该算法利用阶段间关键词的构成差异信息,不依赖事件发展阶段的热度,进一步提高脉络的完整性。同时为了提高阶段的准确性和可读性,提出基于句子级别的图优化算法,对冗余句子进行过滤。同样的,设计对比实验证明模型整体及模型每个模块的有效性。(3)评估指标:基于BLEU的思想,提出基于句子级别的评估指标SLEU,综合考虑脉络的完整性和连贯性,而不是直接将事件脉络看作是文本摘要。实验证明SLEU的评估结果更符合人类的评估习惯,与用户调研结果更一致。