而层次聚类既能够显示话题主题，又能够分析话题内容，聚类的效果更佳明显，话题追踪结果更佳全面。凝聚式层次聚类过主要依照从上而下的原则将各项热点话题内容整理和聚类，形成子话题簇，在算法分裂基础上对各项内容进行分裂整理，为后续报道奠定了良好的基础。该处理方法应用的过程中需要构建好话题层次的划分，形成针对性权重，并结合专家评论或智能检索结果将其与权重相乘，确定线 自适应追踪报道分析

　　自适应追踪报道主要围绕话题中的各项内容对话题进行追踪，其借助自学习能力对话题进行分析和评价，确定话题是否符合核心内容，对其进行划分，从而形成针对性报道内容。该技术在运用的过程中可以依照热点话题状况对其追踪进行实施调整，借助内容和统计方法计算话题主体和内容的相似度，将后续话题报道的计算数值与上述相似度对比，确定两者具有一定关联后将后续报道与原话题内容整合，从而实现话题链的构建，完成后续报道的设定。

　　自适应热点话题追踪的过程中需要对追踪模型的构建进行全面把握，做好参数的调整，这样才能够保证追踪的可靠性和准确性。一般自适应话题追踪的过程中主要通过调整阈值、相似度和特征词的权重来满足追踪要求，实现热点话题的科学“汇总”。

　　摘 要 主要研究热点话题追踪的方法及策略。首先，从热点话题追踪内容出发，对热点话题追踪过程中的注意事项进行研究。其次，在上述基础上全面挖掘了聚类热点话题追踪和自适应热点话题追踪中的主要内容，结合实际案例深入分析了聚类追踪报道及自适应追踪报道的应用效益，望为新时期热点话题追踪工作的开展提供一定的参考。

　　话题识别：识别过程中可依照报道分切、整理和标记后的信息进行针对性分析，识别热点话题的相关性，在该基础上进行筛选。筛选完整后依照热点话题时间对其进行排序，确定热点话题中事件发展进程。

　　事件发现：热点话题具有实时性、动态性和发展性。在话题追踪的过程中需要从实时、动态和发展的角度对事件进行分析，做好新事件的发现，及时将新事件纳入到话题整理内容中，从而提升热点话题追踪效益，为用户提供完整的话题信息。

　　分层追踪：热点话题往往具有一定的层次性，在热点话题追踪的过程中需要做好分层话题追踪，在报道分切及话题识别基础上将原来的平面话题转变为话题簇，由子话题节点、子话题簇丰富热点话题内容，更热点话题内容及发展状况一目了然。

　　聚类追踪报道主要从热点话题内容出发，将热点话题依照主题、内容等的差异划分为不同的子集，在该子集基础上实施热点话题主题或核心内容的追踪，形成相应的报道。该技术在处理的过程中需要对聚类操作进行合理把握，做好聚类指标的设置，在该基础上严格依照话题内容实施处理，这样才能够保证热点话题聚类子集的准确性和有效性。

　　热点话题追踪技术应用的过程中需要全面把握热点话题内容，做好报道分切、话题识别、事件发现、分层追踪等，这样才能够对热点话题进行全面把握。报道分切：热点话题追踪的过程中需要对话题报道流进行处理，确定热点话题的来源，做好话题的“分切”，依照具体来源形成归类、整理，从而为话题追踪奠定良好的基础。报道分切过程中需做好信息分切、整理和标记。

　　热点话题是围绕热点新闻、报道、事件、活动等形成且达到一定搜索量的话题。这种话题需围绕一个种子事件、活动，或与一个种子事件、活动有间接的关系，即具有一定的关联且能够形成信息群。如2015 年3 月，“匈牙利展出肉身坐佛疑为三明20 年前被盗文物”的帖子引起上亿名网友关注，在大田县吴山乡阳春村村民找出许多当年这尊千年肉身坐佛曾经在此“生活”的踪迹，两方就肉身坐佛归属进行“争论”。在这里面肉身坐佛就是信息的种子源，由此衍生了了大量的信息，中央电视台、中国之声、新华社、人民网等20 多家中央、省、市媒体进行相关采访报道，匈牙利华媒《欧洲论坛》等海外华文媒体也参与采访调查，章公祖师半岛官方体育、肉身坐佛等相关词句成了热门搜索的话题。

　　半岛官方体育

　　热点话题聚类追踪的过程中需要对话题主题及内容等进行把握，总结出话题的“特征”，确定热点话题中的线索，在该基础上构建热点话题的映射关系，从而实施相应聚类处理。上述处理的过程中必须要把握好话题主题和内容提出的准确性、代表性和独立性。

　　常规聚类处理过程中主要依照热点话题状况实施扁平聚类和层次聚类。扁平聚类的过程中只能够依照主题对话题进行划分，不能够确定话题内容之间层次性。K-means 聚类算法就是依照二维平面聚类后热点话题之间的距离状况确定其相关性的，实施针对性划分的方法。该算法运用的过程中计算内容较为简单，聚类处理速度非常快，只需要将热点话题到范围质心欧式距离平方值最小的热点划分为一类即可，对其进行标注。在K-means 聚类算法处理的过程中话题追踪时还需要对标注的主题和核心内容进行筛选即可，借助数据检索技术就可以实现，操作非常简单，实用性较广。如在“韩春雨学术造假”热点话题聚类处理过程中就可以将对采集到的信息在专家评论或智能评论基础上实施二维平面分布，确定位置后通过K-means 聚类算法确定平均值，最有平均值范围内的话题即为所需的热点话题关联信息，开展后续报道。

　　信息作为人们生活中不可或缺的关键部分，直接影响着人们的生活质量和生产效益。随着互联网的不断深入，信息已经越来越多样化，面对快速更新的海量信息，如何形成高效的获取技术，对热点话题进行全面把握已势在必行。话题追踪技术能够借助数据手段快速、高效地获取相应信息，对热点话题进行全面把握，对用户获取信息效益的提升具有至关重要的意义，已经成为人们关注的焦点。

　　我国线 年代才开始对线 年代现代化话题追踪技术体系才初步形成。上述追踪的过程中主要从数据信息出发，构建相应的数据库，在该基础上实施数据评估及处理，确定话题的相关性和时效性，对关联话题的信息内容进行顺序整理，从而为用户提供完整的信息体系。