话题检测旨在从海量的新闻报道中识别出未知的话题及已知话题的相关报道。绝大多数检测算法都是基于聚类算法进行的,用向量空间模型描述新闻报道和话题,计算其相似度,并按照某种策略对其进行聚类。编码索引指利用索引算法对关键词进行快速编码转换的方法。单值索引指关键词和索引项一一对应的简单索引,检索速率较高的单值索引有顺序数组索引、树型索引和哈希索引等。本文提出并实现了用于优化话题检测的三种编码索引算法:准动态数组索引算法、哈希桶内链索引算法和双链聚合哈希索引算法。准动态数组索引算法利用了顺序数组索引的高检索速率,及B树索引的高更新速率,利用准动态思想,周期性的将B树更新索引并入主索引表,解决了顺序数组索引更新效率低下的问题。哈希桶内链索引算法在哈希桶内部元素建链以实现链地址哈希索引,避免了频繁的内存分配,且采用了桶号加桶项号的指针表示方法,将指针压缩到3字节。双链聚合哈希索引算法在聚合哈希索引的基础上双向建链并维护空表项链,实现了冲突表项快速移动,使得在开放地址关键词存储方式下哈希表更新效率保持常数级,并且不受装载因子影响。本文应用上述三种编码索引算法,设计了基于新事件检测的话题检测系统,并利用TDT2004中文语料进行了话题检测实际测试,哈希桶内链索引具有最好的算法效率,性能比无编码索引情况下高出接近20倍。