随着互联网的快速发展,网络新闻已成为人们获取信息的重要途径,在读者中的影响力大大提高。同时,网络新闻来源众多,报道角度立场各不相同,信息过载问题日益加剧。因此,如能够自动处理海量新闻流,快速发现网络热点话题,对于政府调控舆论倾向、保持社会稳定,以及读者快速找到感兴趣的新闻报道都有重要作用。本论文以用户浏览行为和热点话题研究为基础,以网络新闻流为研究对象,使用话题识别与跟踪技术对新闻报道按照话题进行聚类,提出了一种基于用户浏览行为的网络热点话题发现模型。论文主要贡献及创新点如下:1.新闻话题热度的量化表示基于TF*PDF算法,提出一种“话题关注度”的量化表示方法,用于描述一定时间内站点上新闻话题受关注的程度;热点话题必然同时受到媒体和用户的关注,我们基于热点话题理论和用户浏览行为分析,提出话题的用户关注度;使用话题的媒体关注度和用户关注度来描述话题的热度。2.用户浏览行为的表示和引用根据心理学内驱力理论,心理状态是通过一定的行为体现出来的,因此,我们隐式收集用户浏览行为并量化为话题的用户关注度,解决了两个关键问题:第一,提取合适的可以体现用户对新闻报道兴趣度的用户浏览行为信息;第二,将这些用户行为合理组合,形成对于用户关注度的量化表示。3.热点话题生命周期的描述基于衰退理论研究和股市曲线启发,我们采用话题发展曲线,描述话题产生、发展的生命周期。该模型通过分析网站上的新闻流和用户浏览行为,可以自动发现一段时间内网站上的热点话题,以及每一个热点话题的发展曲线。经实验和用户反馈证明,该系统可以有效抽取网络上的热点新闻话题,添加用户浏览行为信息可以改善热点话题发现的效果;话题发展曲线可以描述一个热点新闻话题的生命周期规律。