彭仁杰，余正涛，高盛祥，李云龙，郭军军，赵培莲

(昆明理工大学 信息工程与自动化学院，昆明 650500)(昆明理工大学 云南省人工智能重点实验室，昆明 650500) E-mail：ztyu@hotmail.com

1 引 言

随着互联网的迅速发展，互联网信息已经在人民生活中扮演者越来越重要的角色.微博上的信息传播及时，扩散速度快，许多案件的发生和讨论都是从微博上开始发生，并且引起了广大网民的讨论，导致微博成为新的舆情事件产生和民意反映的集聚地.近年来，司法部门对于新闻舆情也逐渐重视起来.通过自然语言处理技术处理与法律相关的数据，有利于提升相关部门的工作效率，并且能够了解当下广大网民所关心关注的话题，能够更好的引导公众的舆论和引导事件往有利的方向发展.

为了得到与案件相关的话题，其关键就是在于利用案件要素得到与案件关联紧密的话题.当前，在话题发现方面已有很多研究，代表性方法有基于聚类算法的话题发现方法[1-5]和基于潜在狄立克雷分配(latent Dirichlet allocation，LDA)主题模型的热点话题发现方法[6-9].David Blei提出了LDA(Latent Dirichlet Allocation)模型[10]，该模型是基于词袋模型，考虑词条共现，来生成文档的话题分布，在长文本中取得了很好的效果；但是由于短文本长度较短，词语之间联系弱，文档级水平的词共现信息缺少.因此在传统狄利克雷分布LDA模型(Latent Dirichlet Allocation)的基础上，出现了一系列的改进模型，He Li等人提出了基于潜在狄利克雷分配的分层分类模型[11]，使用LDA模型作为特征提取技术来提取潜在话题……