随着网络的高速发展,如何对网络舆情进行有效的引导成为现在社会安全管理的一个重要研究方向,因此网络舆情分析技术随之成为国内外的研究热点,目前该技术已经在话题检测、话题跟踪、摘要自动提取、舆情预警方面取得了一定的成果。本文在己有研究的基础上对网络新闻的话题检测与话题跟踪进行深入地分析,旨在为网络舆情的监控提供有效支持。本文所做的主要工作包括：对传统话题检测方法进行调研,分析了新闻报道在结构与语义上的特点,提出了基于语义框架的向量空间分解方法,将新闻文档表示成时间、人名或组织机构名、地点及新闻主干四维的向量空间模型,并采用不同的相似度计算方法综合计算文档与话题中心的相似度,最后采用热度计算公式从增量聚类所聚合出的事件集中提取话题类。通过实验结果对比,证明了该方案有效的提高了话题检测的准确率。将基于语义框架的向量空间表示模型应用于话题跟踪系统,分析了话题中心在时间轴上渐进演变的规律,采用双质心话题中心表示模型表示话题中心。在找话题中心临界文档时,提出了互异度的概念,有效地利用文档相异特征对话题中心进行区分,采用增量聚类进行话题中心二次聚类,该算法有效地提高了话题跟踪的效率。通过实验证明,该方案能够清晰的展示出话题中心演变的过程。最后详细介绍了研究生期间开发的“全网微博舆情实时监控系统”中热门引用发现模块的开发流程及所用到的相关技术。