随着Web2.0的发展,互联网数据的表现形式越来越丰富,这些丰富的Web数据中蕴含着巨大的价值。近年来,大量研究人员正从事着从庞大的Web数据中进行文本挖掘的研究。微博是一种拥有丰富媒体信息的信息交互平台,在庞大的用户群体中有着深刻的影响力。一条微博的文本内容通常较为简短且微博主题通常蕴含在图片或视频等多媒体内容当中,因此如何挖掘复杂的多媒体信息的主题,并使用简洁而有效文本模型表达多媒体的主题有重要的研究意义。然而现有文本挖掘的模型与方法并不能有效挖掘并全面展示多媒体微博的主题,所以本文提出了一种新的文本描述模型以及主题挖掘算法。本文首先研究了话题检测与跟踪理论、话题跟踪技术与主题模型理论,并从中梳理了相关理论作为本文的研究基础;为指导基于评论的主题挖掘,本文在已有在线LDA模型的基础上引入微博主题热度动态演化以及主题内容动态演化提出了微博在线LDA(Microblog Online-LDA,简称MBO-LDA)模型,并用于在线微博文本流建模;基于MBO-LDA模型,本文设计了基于评论的在线多媒体微博主题挖掘算法,并使用内容与情感两个维度的多媒体微博文本描述模型展示主题挖掘结果;最后本文使用新浪微博爬虫工具集采集的216345条新浪微博按发表时间构建实验数据集进行对比实验,实验证明了本文提出的模型与算法是有效且可靠的。具体的创新点有:(1)根据微博平台的时效特性,改进Online-LDA模型并提出了MBO-LDA主题模型,并将模型用于微博在线文本流的主题建模来指导基于评论的主题挖掘算法。(2)提出了内容与情感两个维度的多媒体微博文本描述模型,每个维度上又将文本组织成文抽象的主题标签与具体的主题特征词两个粒度描述多媒体微博的主题,设计主题挖掘算法将评论文本组织成多媒体微博文本描述模型。