对主题演化的研究可以追溯到1996年，话题监测与跟踪是最早用来研究主题演化的方法，源于美国国防高级研究计划委员会提出需要一种能自动确定新闻报道流中话题结构的技术。

主题强度的演化衡量的是主题受关注程度的变化，主题内容的演化衡量的是主题关注点的迁移，从而体现出主题的动态性、发展性和差异性。对主题演化的研究可以完善主题研究体系，解释主题变化发生的机理，掌握主题演化发展的趋势，为科研人员更好地了解和明确研究发展方向提供理论依据。

主题演化体现在两个方面：①主题强度随时间推移发生变化。例如，每4年举办一届的奥运会，在奥运年受关注度高，而在非奥运年受关注度低。②主题内容随时间推移发生变化。例如，在奥运会前夕，大家关注奥运会的准备工作；奥运会结束后，大家关注奥运会的总结和盘点。

主题演化分析方法主要有词频分析法、共词分析法、共引分析法和主题模型法。①基于词频分析法的主题演化分析方法，通过分析能够揭示或描述文献主旨内容的关键词或主题词在某一研究领域文献中出现频率的高低，确定该领域的研究热点和发展动向。②基于共词分析法的主题演化分析方法，主要以主题词频次或共现频次量化计算为基础，根据主题词对间关联强度的大小聚集成簇，并绘制不同时期的主题网络图谱，以观察主题的演化轨迹。③基于共引分析的主题演化分析方法，是以文献同被引次数为分析内容来研究主题演化的方法。④主题模型是一种语言模型，是文本挖掘领域中结合机器学习和自然语言处理等相关方法的一种统计模型，其基本思想认为文本是由多个主题混合而成的，而主题是特征词上的一种概率分布，即每篇文本是主题的混合分布，而每一个主题是一组特征词的混合分布。在主题模型中，研究者于2003年提出的潜在狄利克雷分布模型，在主题演化领域应用最为广泛。

21世纪10年代，主题演化在科学研究领域和新闻领域应用最为广泛，是情报服务领域一个重要的研究课题。主题演化能够帮助科研人员获取学科领域的研究前沿和热点及研究主题的演化情况，把握科技发展的脉络，对科研人员、管理部门和决策部门起到良好的支持和辅助作用。大数据时代为主题演化提供了大批量数据资源，利用更先进的方法、技术将主题演化应用到更广阔的领域，将是其重要的发展方向。