随着互联网的发展，越来越多的人开始在网络上互相交流。BBS作为一种受到广泛欢迎的互联网应用，极大的方便了人们的网络交互。可是，随着BBS中包含信息量的不断增长，人们也越来越难以在其中找到并参与自己关心的话题。话题检测与跟踪技术是一种基于事件的信息组织技术，可以从连续的信息流中检测新产生的话题，以及对已有话题的相关后续内容进行跟踪。　　 本文针对BBS环境，使用话题检测与跟踪技术对其话题信息进行挖掘，将BBS中的帖子按照所对应的话题进行归类，有效地管理和组织了BBS的信息。用户可以借助话题检测技术，更加容易地寻找到自己关心的话题，并获知话题所衍生出的新内容。　　 首先，本文对话题检测领域目前的研究成果进行了总结，并对BBS环境下在线话题检测所面临的独特问题进行了分析。　　 然后，本文提出了一种针对BBS环境的在线话题检测算法，主要包含如下两方面内容：(1)BBS文本具有话题发散、易偏移的特点，本文向传统在线话题检测算法框架中添加了代表post选取步骤。在该步骤中，本文使用Markov模型对thread进行结构分析，然后对。thread中的各个post进行重要度排序，从而对重要度较低的噪声post进行过滤；(2)聚类算法被广泛应用于在线话题检测中，本文在经典的单路径聚类基础上，通过引入基于AgingTheory的聚类候选集生成策略，对算法的运行效率进行了改进。　　 最后，本文对算法的实验平台进行了设计，编程实现了包括Web抓取、文本抽取、话题聚类算法等程序，并围绕算法进行了一系列相关实验。　　 总之，本文对BBS环境下的在线话题检测技术研究做出了一定贡献，并对其他互联网交互式应用的话题检测研究具有借鉴意义。