随着移动互联网技术的不断迭代,移动互联网业务增长势头迅猛,其对人们的日常生活产生了巨大的影响。在移动社交领域,以微博、微信、今日头条为代表的应用程序,发挥着重要的连接作用,实现了人与人之间,人与信息之间的高效联动。精准的内容推送也是其增强用户对平台粘性的重要保障。在大数据背景下,如何快速精准的捕获到所关注的社会热点信息,成为网络舆情发展的核心问题。因此,话题跟踪技术应运而生,其旨在实现对以信息流形式呈现的新闻资讯中已知话题的动态跟踪,渗透在各类舆情分析系统之中。本文首先从当下实际问题出发,明确了课题的研究背景,解决的主要问题,进而明确了研究意义。然后对话题跟踪技术、文本复杂网络以及特征选择模型等基础理论进行深入研究与归纳总结,理清话题跟踪技术国内外当前的研究现状以及文本复杂网络处理网络话题文本语料时亟待解决的瓶颈问题。有针对性地提出了一种“特征降维”文本复杂网络的话题表示模型,解决了传统词同现文本复杂网络处理大规模语料库时的高维性和稀疏性问题,并提出了针对网络话题的自动进化算法,可以实现对热门话题下海量文本语义的高效精准表达。在基于文本复杂网络的话题跟踪算法研究中,综合考虑语义网络的结构特征与统计特征,进行网络模型节点权重计算方法研究,解决传统算法由于片面考察词语单方面贡献而造成的赋权不准确问题。具体的创新点:(1)提出一种结合中文语义与语法规则的特征降维方法,创新文本复杂网络生成规则,实现复杂网络模型在文本表示问题中应用效果的提升。(2)模拟网页去重原理,引入simhash相似度计算算法。旨在降低多个网络间的计算复杂性,进而提高话题跟踪的精准度。