随着信息技术的发展,人们生活在一个充斥着信息的世界里。在享受各种信息服务所带来的便利的同时,也不得不面对着信息过多而难以处理的局面。文本作为信息最主要的载体,其信息过载的现象表现的最为突出。因此,研究如何从文本语料集中归纳总结出文本的主题,已经成为文本挖掘领域的研究热点。本文基于LDA模型对文本主题挖掘和文本静态可视分析进行了研究。具体工作如下：(1)首先,提出了文本中主题相同的连续词项具有连续语义的思想,并且根据这个思想提出了一种基于LDA模型的抽取文档主题的方法,改进了单一主题词对主题表达不足的问题。通过实验验证,该方法抽取的主题具有较好的准确性和可读性。(2)接着,针对招聘信息文档其文档篇幅短、每一句主题明确的特点,在(1)的基础上,提出了一种基于LDA模型的挖掘招聘信息的技术主题的方法。该方法以句子为单位使用LDA模型对招聘信息建模,再通过SVM分类提取出与技术相关的句子,最后使用(1)的方法从技术相关的句子中抽取出技术主题并且整合成招聘信息的技术主题。实验表明该方法能够准确的挖掘出招聘信息的技术主题,获得了良好的效果。(3)最后,针对普通文本表现主题能力弱的问题,提出了一种对语料集中单篇文档进行主题静态可视化的方法。该方法将LDA模型对语料集生成的主题词权重与tf-idf相结合,计算主题词组的权重；再确定主题布局；最后使用Processing,生成单篇文档的主题静态可视化。并且在(1)(2)的工作基础上,使用该方法对一篇招聘信息文档进行静态可视化处理。实验表明该方法在展现文档主题方面具有较好的效果。