针对贝叶斯信念网络应用于话题识别进行了研究，提出了新的话题识别模型。模型的拓扑结构包括新报道、报道术语、事件术语、话题四层节点，用弧标明索引关系。在贝叶斯概率和条件独立性假设的基础上，模型运用条件概率计算新报道和已有话题簇的相似度，从而实现话题识别。考虑到核心报道、核心事件的重要性，对不同层次的权重计算进行了调整。实验采用DET曲线评测法对模型性能进行测试，实验结果显示，调整后的权重计算可在一定程度上提高新模型的性能，与向量空间模型相比，在相同阈值下新模型的漏报率与误报率有所降低。