简短文档的主题模型

受这个问题的启发，我想知道是否针对大量极短文本的主题模型进行了任何工作。我的直觉是，Twitter应该是此类模型的自然灵感。但是，通过一些有限的实验，看起来标准主题模型（LDA等）在此类数据上的表现非常差。

有没有人知道在这方面所做的任何工作？本文讨论了将LDA应用于Twitter，但是我真的很感兴趣是否还有其他算法在短文档环境中表现更好。

这是一个较晚的答案，但对于其他人寻找有关此问题的相关研究和工具可能有用的：

1. 来自哥伦比亚的Guo Weiwei实现了用于短文本主题建模的代码。他在论文“潜在空间中的句型建模”（http://aclweb.org/anthology-new/P/P12/P12-1091v2.pdf）中描述了该实现，并且代码可在此处找到： http：// www .cs.columbia.edu /〜weiwei / code.html

2. 尽管这不是主题建模，但是如果您有涉及短文本的分类任务，则可以使用LibShortText。从他们的网站描述

“ LibShortText是用于短文本分类和分析的开源工具。它可以处理例如标题，问题，句子和短消息的分类...”

http://www.csie.ntu.edu.tw/~cjlin/libshorttext/

虽然我对他的工作不是很熟悉，但是我知道Jacob Eisenstein已经完成了Twitter数据的文本分析和图形模型方面的工作。特别是，本文描述了主题建模在Twitter数据和微博中的应用。

编辑：实际上在多读了几篇论文之后，他们说：

但是，Twitter上的平均消息只有16个单词标记，对于传统的主题建模来说太稀疏了。相反，我们将来自给定用户的所有消息收集到一个文档中。

因此，也许这篇论文可能没有多大帮助，但也许其他爱森斯坦的出版物可能会引导您朝着正确的方向前进。

最近一篇名为“ 短文本的双向术语模型 ”（WWW13）的论文在该主题上取得了一些进展，这是其代码