当下,信息呈现出爆炸式的增长趋势,特别是诸如微博、推特等短文本内容平台的快速发展极大地促进了信息的传播。从大规模短文本语料中挖掘潜在主题信息具有深远的现实意义和很高的价值。然而,由于短文本具有内容较短、口语化、缺乏共现信息等特点,这使得短文本的主题挖掘任务面临着严峻的挑战。目前,挖掘文本中有价值的潜在语义信息主要有两种方法:传统的概率主题模型(Probabilistic Topic Models,PTMs)和非概率主题模型(Non-Probabilistic Topic Models,NPMs)。然而,PTMs缺乏直接控制学习表达的后验稀疏性机制导致其在短文本主题建模时很难取得满意的效果。而NPMs虽然能够直接控制短文本的稀疏性来挖掘潜在有价值的信息,但存在计算效率慢、挖掘潜在语义信息时稀疏性不够等问题。为了解决上述问题,研究者提出了很多改进措施,但仍存在一些缺陷不能很好的挖掘出有价值的潜在语义信息。随着块稀疏贝叶斯学习和词嵌入(word embeddings)模型等新技术的快速发展,这给短文本的主题挖掘任务带来了新的契机。为了解决短文本的稀疏性低维表达上存在的问题,本文提出了基于块稀疏贝叶斯学习的主题模型(Block Bayesian Sparse Topical Coding,Block-BSTC)有效地利用了块稀疏贝叶斯学习和词嵌入模型等技术来挖掘短文本的稀疏性表达。本文工作主要分为以下三部分:首先,利用词嵌入模型来实现词的向量化表示,并且结合k-means聚类算法对词进行聚类。使得本文的模型能够很好的解决数据稀疏性问题以及提高向量矩阵的稀疏性表达,从而促进向量矩阵内的块结构划分。其次,通过块稀疏贝叶斯学习算法来学习短文本的稀疏性低维表达。块稀疏贝叶斯学习算法能够像NPMs 一样直接控制文档编码和词编码的稀疏度,并且能够学习向量之间的关系构建块结构信息,最终通过学习短文本中稀疏性低维表达来获取主题语义信息。最后,对词编码和主题字典进行优化求解获得最优解。根据块稀疏贝叶斯学习算法的词向量学习过程,通过最大期望算法和主题字典学习方法来求解优化得到词编码和主题字典的值。在20新闻组数据集上的实验结果表明,本文提出的Block-BSTC模型在词编码稀疏性上表现优异。同时,该方法提高了文档的分类准确性。表明本文模型能够在短文本中挖掘有价值的潜在语义信息。