伴随着互联网发展和智能设备的普及,网络舆情的影响越来越大,企业以及政府机构也越来越重视网络舆情的应用和管理。网络舆情的应用和管理,首要的任务是对舆情数据进行关键信息的提取,即主题提取。目前的主题提取方法主要基于概率主题模型,利用主题与分词、分词与文本之间的概率分布提取文本主题。但概率主题模型未充分考虑文本中词与主题之间的语义相关性。本文利用机器学习的方法对网络舆情中的主题进行提取,将主题提取问题定义为文本主题(即文本类别)的多标签分类问题。在文本数据的相似性度量方面,提出了基于百度百科注释信息的文本语义相似度计算方法,首先将文本进行分词处理;然后,应用改进TF-IDF方法对分词对应的百度百科词条中的词语进行权重计算,将词条转换为由词条分词的权重向量,并用余弦相似度来计算分词之间的相似性;最后,基于分词之间的相似度值,利用相似矩阵计算文本之间相似性。在Words-240数据集上的实验结果表明,基于百度百科注释信息的文本语义相似度与人工标记结果之间的高度相关。在文本数据的多标签分类方面,设计了基于标签关系的核极限学习机多标签分类方法。该方法根据标签之间共现和不共现分布,学习标签之间的积极关系和消极关系;然后应用学习所得的标签间的关系来优化核极限学习机的分类预测结果。为了验证该方法的有效性,在Zhihu、Yeast、Image、Scene、Emotions、Cal500等数据集上进行了实验,实验结果表明,基于标签关系的核极限学习机多标签分类算法,在准确度、精度、召回率以及F1指数这四个指标均优于其他对比方法。