随着互联网的迅速普及，网络媒体已经成为当今社会的主流媒体和主要信息来源。然而，网络信息资源的爆炸式增长给用户的信息获取造成了很大的困难。如何从海量网络信息中及时、准确地获取热点信息，成为一个亟待解决的问题。　　本文设计并实现了一个网络新闻热点话题自动发现系统，该系统由数据采集、数据处理和热点话题自动发现三部分组成，其中热点话题自动发现是系统的核心。本文的主要成果和创新点包括：1）依据新闻文本的结构特征和内容特征，对传统的文本向量化方案进行改进，主要的改进体现在特征选取和特征权重计算上；2）计算新闻文本相似度时，在余弦距离的基础上，引入了一个能够体现网络新闻报道时间特征的时间修正因子；3）采用K-Means算法和Single-Pass算法相结合的文本聚类方案，较好地结合了二者的优点；4）制定了一个基于话题的媒体关注度的话题热度计算方案，该方案不仅可以计算话题的当前热度，还可以计算话题在过去某一个时间段内的热度。　　本文紧紧围绕网络新闻的基本特征，在深入研究热点话题自动发现系统实现流程的基础上，设计并实现了一个网络新闻热点话题自动发现系统，该系统能够从自动采集到的新闻数据中动态、实时地发现热点话题。最终进行的系统测试表明，系统预期功能得以实现，并达到了较好的性能指标。