网络科学技术的快速发展,使得社交媒体平台中产生了大量的复杂短文本数据,与传统的新闻数据相比,其具有海量、高维、更新速度快、语义信息少、噪声高、文本质量低等复杂特性,基于多次扫描和迭代产生聚类结果的传统聚类算法已不能满足社交媒体实时信息挖掘的需求,如何快速、准确挖掘社交媒体短文本数据中隐含的话题,是当前自然语言处理、计算语言学的关键性问题。本文针对短文本语义稀疏的问题,通过词共现的方式提取了短文本更深层次的语义关联信息,在现有研究的基础上,进行了社交媒体短文本在线聚类算法的研究。同时针对现有在线聚类算法聚类粒度细、聚类结果主题分散的问题,提出了一种基于短文本的话题检测方法,通过社交媒体事件在文本和主题上的关联性,实现了事件之间的聚类,将事件融合为话题。本文具体的研究内容如下:（1）提出了一种基于词共现的语义增强短文本在线聚类算法。本文所提出的短文本在线聚类算法是基于狄利克雷过程多项式混合模型的,不需要事先人工指定聚类的主题数目,而是由模型在聚类过程中自行推导计算。针对短文本语义稀疏的问题,本文以短文本为共现窗口,提取了短文本之间的词共现关系,以此丰富短文本的语义信息。针对聚类过程中主题中心变化的问题,本文在聚类过程中根据短文本与已存在类簇的相似性,选取待融合类簇集合,最后进行类簇的融合。通过对比实验表明,本文所提出的聚类算法具有更好的聚类性能。（2）提出了一种基于短文本的社交媒体话题检测方法。针对现有社交媒体短文本在线聚类算法聚类粒度细、聚类结果主题分散的问题,本文提出了一种社交媒体话题检测方法,该方法包含三个阶段:文本预处理阶段对社交媒体短文本进行预处理操作;在线聚类阶段对短文本进行在线聚类,以小型类簇的方式识别社交媒体短文本流中的事件,生成社交媒体事件集合,同时构建事件主题关联网络;话题检测阶段根据在线聚类阶段生成的事件集合和事件主题关联网络,计算事件之间的相似度,构建事件相似网络,最后采用标签传播算法对事件相似网络进行社团划分,生成社交媒体话题集合。实验表明,通过本文所提出的方法得到的话题集合更加符合真实的文本数据主题分布,聚类结果更加紧凑。