本项目研究以微博舆情信息为研究对象,对微博舆情信息话题识别和追踪方法进行研究,自主研发实验平台,进行实验分析。首先通过新浪API提供的各种接口结合网络爬虫获取短文本微博数据,按时间段采集的微博信息作为数据来源,每个时间段采集的数量大致相同,通过机器结合人工处理,留下格式较为规范的微博作为有效数据;其次通过分析微博的时间特点发现,某一时间段、基于某一事件会产生大量相关的信息,因此集中某一时间窗口采集微博信息,通过优先选择时间片内词频统计较高（包含信息量较大）的词汇作为特征词汇,实现微博主题词抽取;然后采用LDA模型来进行微博数据的文本表示,LDA模型和基于遗传优化的K-means文本聚类算法相结合,进行文本聚类,聚类过程中产生的新主题词将会添加到主题词表,实现动态更新主题词库,以此扩展文档表示模型,有助于微博事件后续发展变化追踪。采用基于遗传优化的K-means算法进行聚类分析,提高了聚类结果的准确率和稳定性。实验结果验证了提出方法的有效性和准确性;最后通过构建实验平台,进行实验模拟,平台实现了主题类别设置模块、微博信息获取模块、微博话题聚类模块、获取新的主题关键字模块、微博话题追踪和分析模块等功能。在项目研究过程,依靠学院实验室平台,自主研发了微博舆情话题识别与追踪软件一套;在国内外核心期刊上发表学术论文共7篇,基于项目研究发表论文3篇（其中SCI,EI收录1篇;中文核心1篇;省级论文1篇）,基于项目发表相关学术论文4篇;申请并授权软件著作权1项、专利1项;出版著作1部;形成项目工作总结报告1篇,项目技术研究报告1篇,项目科技报告1篇,科技报告及收录证书编号：728161990--201603D321112/01。