随着社交媒体的出现,以QQ和微信等交流平台为主的聊天短文本在当今的网络上非常流行。如何从大量的聊天短文本中推断出主题并进行准确地分类,对许多内容分析任务来说是一项关键而又具有挑战性的任务。传统的短文本分类是依据特征词和其模型组成分类模型,其中忽略了词与词之间的相互联系,而且采用传统词频统计和向量空间模型对短文本处理,会由于短文本的稀疏性使得分类的结果不准确。针对短文本语义稀疏性的特点,目前通常的方法是利用外部语料库对其处理,但是庞大的外部语料库主题在算法实现的过程中,将会导致性能效果不好。目前常用的机器学习的分类算法,如SVM(Support Vector Machine),朴素贝叶斯等,在短文本领域准确率则有待提高,并且其算法在实现过程中要求大量数据,同时其实现效果准确性不佳。针对这些不足,本文基于BTM(Biterm Topic model)主题模型进行改进,提出了TTR-BTM(Time TextRank Biterm Topic model)主题模型,该模型引入时间影响因子,通过时间窗口来截取更有价值的数据,即对时间窗口内的每条信息采用TextRank关键词的提取,将提取到的关键词作为BTM主题模型的输入,输出主题词的分布。在此基础上进行群组分类工作:先基于主题词分布的结果做数据标注,完成训练集和验证集的准备,再引入分类算法,在TTR-BTM主题模型输出结果的基础上,结合Word2vec对主题词进行特征词扩展,利用FastText的改进算法W-FastText(Word2vec-FastText),通过计算输入序列词向量平均值的过程中会使词条的区分度变高,进而完成对聊天短文本的准确分类。论文最后对本文提出的TTR-BTM主题模型与BTM和LDA在内的主题模型进行实验对比,对比维度包括主题聚类的效果分析、主题连贯性分析和困惑度分析。同时从分类的准确率、模型训练时间等维度对比了W-FastText分类算法与FastText、SVM和Naive Bayes在内的分类算法。实验结果表明,文本提出的TTR-BTM主题模型和W-FastText分类算法分别具有更好的主题提取和群组分类效果。