本文针对网络短文本，利用相关文本主题和关键词提取算法，对其具有的相应特征和传播特性，设计具有可操作意义的改进算法，针对网络文本的传播的快捷程度和与传统文本所不同的结构特征，进行适宜网络环境的适应性设计，获得针对该类文本的形式化，可兹借鉴和推广的，具有广泛应用前景的文本主题关键词提取算法，为文本观点倾向性分析，大规模网络舆情分析，以及包括本体构建在内的一系列相关研究作出相应的试验性探索。　　主要内容包括：1)汉语文本处理的相关技术和方法，包括汉语自动分词与词性标注，句型成分分析与词频权值计算，歧义结构及其处理策略。2)关键词提取的算法设计，文本分通过对比分析研究传统的算法和各提取模型的优缺点，改进并提出了新的参数设定模型，引入依赖关系，文本全局特性，上下文关联语境等相关信息，对特征向量的取值及实验效果进行了广泛的实验和对比，并综合现有各种方法的优点和不足，提出了具有实践意义的，具有可资证明的大幅度效率提升的关键词提取算法改进。3)其他研究，本文还重点研究了基于统计与规则相结合的关键词提取算法的原理、样本特征选取、参数估计和文本分类算法，调研分析了近年来基于SVM改进的各种衍生模型，为关键词提取的改进提供理论和实践基础和依据。4)本文从CAOE获取的现实文本语料，针对现实网络短文本提出的文本　　关键词改进算法可以广泛的应用到相关领域，也是对新环境文本处理和语义理解的有效补充和铺垫。