随着互联网即时通讯技术的发展和普及，手机短信、即时信息、基于互联网和手机短信的客户评论、新闻评论等短文本形式的信息大量出现，短文本信息处理领域的重要应用所迫切需求，使得短文本分类成为一个重要的研究方向。　　 短文本自身的长度短，所包含的特征信息少，描述能力弱，所以传统的文本方法都不适用于短文本分文。现阶段一种可行的方案是利用其他的有用信息来扩充短文本来辅助分类，以弥补短文本的固有缺陷。　　 根据短文本的这种特性，按照这种可行方案，本文考虑利用训练集文本自身之间的相互关联关系来扩充特征，而主题模型能够很好的建立主题与特征词之间的关系，提出了一种基于聚类的主题模型短文本分类方法。该方法的基本思想是：先通过聚类的方法把同一类别中的短文本训练集聚成一些小簇类；我们可以把每一小簇类中的短文本看成是同一个主题，根据主题在类别中的概率分布以及词语在主题中的概率分布，随机生成新的具有较强描述能力的长文本；最后用生成的长文本作为训练集对测试集的短文本进行分类。　　 本文主要的研究工作如下：　　 在研究了传统文本分类方法用于短文本分类上的不足的基础上，设计了一种主题模型来描述原始的短文本训练集；研究了仿射传播聚类算法并将其应用到短文本聚类中，用此聚类的方法来获取主题信息，得到层次间的概率分布；设计一种适合概率分布的生成算法，来生成所需要的长文本数据。最后用实验证明，该方法在一定程度上能弥补短文本信息描述能力弱的缺点，提高分类性能。