这是一个较晚的答案，但对于搜索此问题的相关研究和工具的其他人可能很有用：

1. 来自哥伦比亚的 Weiwei Guo 实现了短文本主题建模的代码。他在论文“Modeling Sentences in the Latent Space”（http://aclweb.org/anthology-new/P/P12/P12-1091v2.pdf）中描述了实现，代码可在此处获得： http://www .cs.columbia.edu/~weiwei/code.html

2. 虽然这不是主题建模，但如果您有涉及短文本的分类任务，您可以使用 LibShortText。从他们的网站描述

“LibShortText 是一个开源的短文本分类分析工具。它可以处理例如标题、问题、句子、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，但我知道Jacob Eisenstein已经在 twitter 数据中完成了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：实际上在阅读了更多论文之后，他们说：

但是，Twitter 上的平均消息只有 16 个词的标记，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，也许那篇论文可能没有太大帮助，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“ a biterm topic model for short text ”（WWW13）的论文在这个话题上取得了一些进展，下面是它的代码