向量空間檢索模型在話題識別與追蹤領域的成功應用，從理論上證明用於信息檢索的貝葉斯網絡模型亦可用於該領域。信念網絡模型屬於基於貝葉斯網絡的檢索模型的一種，專著圍繞該思想，將其用於話題識別與追蹤模型的構建，為該領域提出新的研究方法。考慮到新聞報道的特殊性，在文本處理階段，將在基本互信息的基礎上，提出融合聚類思想和時間距離的新聞話題特征選擇方法，用於計算新聞報道中術語的權重。為了獲得每個話題的初始特征子集規模，給出基於類內距離很小、類間距離優選的目標函數，並采用坐標下降法對其求解結合信念網絡模型和新聞報道的特點，給出四個基於信念網絡的話題模型BSTM-I、BSTM-II、BDTM-I和BDTM-II。BSTM-I、BSTM-II屬於靜態話題模型，其區別是節點層數、類型。BDTM-I屬於動態話題模型，節點類型和弧的意義與靜態模型相同，不同的是在話題追蹤過程中，其術語層會隨著話題的發展而不斷更新，包等
