吴 迪，张梦甜，生 龙，黄竹韵，顾明星

河北工程大学 信息与电气工程学院，河北 邯郸056038

微博因其文体较短、话题内容广泛、传播迅速、实时性好等特点，已经成为传播各种资讯的重要平台[1]。往往一件引发热议的事情可以在微博上形成热点话题，继而，网民会通过搜索话题标签来发表自己的观点并关注事态发展。因此，对微博热点话题进行演化分析，可以较完整地描绘热点话题的演化趋势，这对于网民了解事件演化、网络监管部门引导舆情有着很重要的现实意义[2]。

话题检测与跟踪（Topic Detection and Tracking，TDT）[3]技术最初是由美国国防高级研究计划局提出的。随后，根据不同的引入时间方式，话题演化分为先建模后离散时间、将时间这个变量引入到模型中（如TOT模型[4]）以及先离散化时间再建模（如DTM模型[5]）三种[6]。

鉴于上述模型不能在线处理文本，Alsumait等人提出了在线LDA（On-Line LDA，OLDA）[7]模型和晏小辉等人提出了OBTM[8]模型，较好地解决了这一局限性，且OBTM更适用于短文本。裴可锋等人[9]考虑到OLDA存在主题混合以及定义权重的问题，提出了可变在线LDA（Variable Online LDA，VOLDA）模型，通过删除含旧主题的时间片、优化动态权重计算公式以及先验参数，有效地减少了新旧主题混合问题并提高了主题演化的表示能力。蒋权等人[10]设计了动态负载策略并优化了文档权值计算公式，提出了分布式OLDA（Distribute Online LDA，DOLDA）模型，缓解了OLDA效率低下和发现新主题能力差的问题。余本功等人[11]利用双通道模式对主题-词分布的遗传度进行优化，提出了基于双通道的OLDA模型，有效缓解了主题混合以及冗余词多的问题。……