随着Internet的大规模普及与飞速发展,越来越多的人倾向于利用网络表达自己的态度和观点,催生出大量新媒体平台,促使网络数据以爆炸的速度飞快增长。因此深度挖掘网络数据的价值以支持决策已经成为舆情分析的重要课题。热点发现与跟踪作为该领域的一个研究方向已经取得广泛的发展,但是目前的研究内容在运用关键词之间的潜在关联关系跟踪热点事件的演变趋势和传播路径以及发现多个热点话题之间的关系方面尚显不足。本文在深入分析关联规则算法的基础上对这些问题进行了如下探索。由于现有方法大多通过计算连续时间片中数据集的特征关键词的语义距离或语义相似度进行热点跟踪,缺乏运用关键词之间的关联关系对热点事件的动态演化和传播路径进行深入分析。针对该问题,本文提出一种基于并行关联规则的热点事件演化和传播路径跟踪方法。首先将关联规则算法并行实现获取每个时间窗口的频繁关键词集;然后筛选所有频繁关键词集的关联规则形成关联规则集,进而得到多个话题关键词集合;最后根据关键词集合发现相邻时间窗口的数据集之间的关联关系,从而分析热点事件多个话题的演化和传播路径。实验表明,该方法能够更加全面有效地跟踪热点事件产生、发展、消亡的具体变化细节,为网络舆情监控和管理提供借鉴和支撑。由于话题之间隐藏的关联关系并不总是直观可见,为了在纷杂的网络舆情信息中发现多个热点话题之间的关联关系,寻找具体事件发生的深层次或根本原因,本文引入“关联关键词集”的概念,提出一种基于并行关联规则的话题关系发现方法。首先获取大规模频繁关键词集;然后对每个话题采用并行关联规则算法获取关联关键词集;最后筛选和组合所有关联关键词集形成多个话题的关键词信息,从而发现话题之间存在的潜在关联性。实验表明,该方法能够更加有效正确地发现多个热点话题之间的内在联系,提高舆情应对策略的针对性。