Web3.0下电子商务的发展和社交网络平台的增加,使得网络上出现了多种短文本形式的信息,如微博、商品评论、新闻标题等。对于短文本的分类研究,常常使用概率主题模型作为短文本主题挖掘模型。短文本自身包含的数据信息量少、字数少,造成了概率主题模型对于短文本数据的处理存在特征稀疏的问题,因此如何对这些短文本进行有效分类是当前研究热点之一。首先,由于科技论文标题的文本仅有十几个词汇,使用常见的分词处理不能达到很好的分词效果,导致最后的分类结果不够好。对于这个问题,整理一些常用的专有词组组合,设置了人工智能领域词典,在分词时加入领域词典,以期提高分类效果。其次,针对BTM模型在文本分类时识别文档类别不清晰的问题。在BTM模型的基础上加入半监督学习的思想,提出了一种半监督BTM模型。由于需要标签文本的加入,因此设置各类种子词2~4个,并且利用Word2Vec和TF-IDF相融合的方式进行种子词扩展,得到标签词,将标签词作为标签文本加入到模型输入上,构建半监督BTM模型。再次,根据BTM模型中词对提取是随机两两组合的方式,大量无效词对的组合,导致迭代时间过长的特点,提出了一种改进词对提取算法。该算法是基于语义分析的频繁项集挖掘算法,利用WordNet词典建立同义词词典,再根据只提取二项频繁项集的实际情况,构建频繁项集挖掘算法,对词对进行提取。最后,通过对比实验,验证领域词典加入、SSBTM模型以及改进词对提取的SSBTM模型的有效性。前两个实验验证领域词典加入和SSBTM模型能提高分类精度,第三个实验验证改进词对提取的SSBTM模型可以加快运行速度。