《新闻话题表示模型和关联追踪技术研究》共分为四大部分：第一部分主要对话题发现与追踪领域的国内外研究现状进行阐述（第1章）；第二部分对新闻话题的表示模型进行较为细致的分析，并对话题关联识别过程中的信息动态漂移问题进行动态信息扩充研究（第2、3章）；第三部分对话题追踪研究中的话题漂移现象和起始已知信息较少的问题进行研究并提出相应的解决方法（第4、5章）；最后一部分对本书的工作以及下一步延续做出总结和展望（第6章）。
　　《新闻话题表示模型和关联追踪技术研究》涉及内容比较集中、专业，可以作为计算机自然语言处理、数据挖掘、知识发现等研究方向的硕士生、博士生、研究人员、技术人员等的参考资料

第1章 绪论
1.1 背景
1.1.1 问题来源
1.1.2 发展历史
1.2 重要概念
1.3 研究任务
1.4 评价方法
1.5 研究现状分析
1.5.1 表示模型
1.5.2 相似度计算
1.5.3 相似度整合
1.5.4 关键问题和难点
1.6 本书主要工作
1.7 本书结构

第2章 话题关联识别中的表示模型分析
2.1 新闻报道分析
2.2 多向量表示模型的构建
2.2.1 预处理
2.2.2 特征选取
2.2.3 特征权重计算
2.3 多向量表示模型的使用
2.3.1 相似度计算
2.3.2 模糊匹配
2.3.3 多个相似度整合
2.4 实验及讨论
2.4.1 话题关联识别流程
2.4.2 实验数据
2.4.3 实验结果及分析
2.5 小结

第3章 话题关联识别中的信息扩充技术
3.1 问题描述
3.2 相关工作
3.3 动态扩充技术
3.4 动态扩充信息
3.4.1 摘要信息
3.4.2 名实体
3.4.3 依存信息
3.4.4 精化策略
3.5 实验及讨论
3.5.1 实验数据
3.5.2 实验结果及分析
3.6 小结

第4章 基于动态话题模型的话题追踪
4.1 话题漂移实例分析
4.2 相关工作
4.3 基于话题的权重计算方法
4.4 动态话题模型
4.4.1 基于相关样本更新
4.4.2 基于无关样本更新
4.5 实验及讨论
4.5.1 话题追踪流程
4.5.2 实验数据
4.5.3 实验结果及分析
4.6 小结

第5章 基于联合追踪方法的话题追踪
5.1 问题描述
5.2 相关工作
5.3 联合追踪
5.3.1 基于关联特征的追踪方法
5.3.2 基于已知相关信息的追踪方法
5.3.3 联合追踪方法
5.4 实验及讨论
5.4.1 实验数据
5.4.2 实验结果及分析
5.5 小结

第6章 结论与展望
6.1 全书总结
6.2 下一步展望

附录1 作者著书期间的成果
附录2 ICTCLAS词性标注集
附录3 停用词集
参考文献