中国信息化产业的高速发展对互联网技术创新提出了更高的要求,网络信息的暴涨给舆情挖掘带来了更多的挑战。话题检测与追踪是网络舆情挖掘的重要研究内容,话题检测能够把纷杂的新闻信息以话题为单位有效地组织起来,是进行舆情分析的有效方式。基于话题检测的无监督特性,其首选技术便是聚类分析,然而传统聚类算法存在聚类个数K值难以准确确定等不足。本文从新闻文本内在语义联系的角度出发,基于非参贝叶斯领域的基础模型—狄利克雷过程混合模型(DPMM)对新闻话题检测进行了研究,论文的主要工作如下:1.在研究分析一般DPMM模型的基础上,探讨了DPMM模型用于话题检测与分析的可行性,给出了应用于话题检测与分析的采样公式的推导过程,并采用逐层递进的算法获取到较为准确的聚类个数K值。2.引入少量热点特征词作为先验知识,基于组内信息的约束关系来引导自主聚类过程的进行,给出了DPMM半监督模型的构建过程,并通过分析文档词频的幂律分布和名词实体对话题的定位作用,给出了一种有效的热点特征词选择方法。3.基于DPMM半监督模型,研究分析了半监督表示方法的泛化能力,给出了LDA半监督模型的构建过程。针对数据不平衡性导致结果话题存在融合这一现象,给出了一种基于OPTICS密度分析的结果优化方法。本文采用了TDT4标准语料和互联网新闻语料对所给方法的性能进行了实验验证。实验结果表明,本文给出的DPMM半监督模型在自动确定聚类个数的同时,有效地提升了话题检测的性能,半监督表示方法在LDA模型扩展研究中取得了较好的适应性和实验性能,OPTICS密度分析方法对于话题间融合具有较好的弱化作用。