主题模型是一种对文本数据挖掘行之有效的方法,其应用领域包括文本挖掘、个性化推荐等。随着近年来互联网的迅猛发展,短文本数据迅速增加。对短文本数据加以利用,进行组织和总结显得至关重要,传统的主题模型例如pLSA和LDA都是为长文本而设计的,这些主题模型在遇到短文本的场景时会遭受由于缺乏词语而产生的稀疏性问题。最近的研究如BTM、WNTM等表明,利用词共现关系可以有效缓解短文本的稀疏问题,但它们都忽略了词语间的语义信息。基于以上思想,本文提出了一种名为SEREIN的短文本主题模型,它在语料库上构建词网络,并利用词向量来学习词语的语义相似信息。本文的主要工作有:(1)针对短文本的稀疏性问题,提出了一个简单而有效的短文本主题模型SEREIN。与现有的短文本主题模型不同的是,本文在构建伪文档的时候利用词向量的特性,引入了词语的语义信息,实验结果表明SEREIN对比现有模型有了很大提升;(2)为了解决BTM、WNTM只考虑词语共现关系的局限性,本文在构建伪文档过程中引入了词语的语义表示,包括用相似度度量词语之间的共现关系、通过词向量的算术关系发现语义上相似度高但是并不存在共现关系的词语以及向伪文档中引入用词向量计算的语义相似度较高的词语,实验结果表明引入语义信息对于提升主题模型性能很有意义;(3)基于词向量的质量评价思想,针对提高词向量的质量,本文对SEREIN作出了有效改进,实验结果证实了词向量的有效性,同时也表明SEREIN具有良好的扩展性和灵活性。