提出了一种基于改进的频繁词集的短文本特征扩展算法。 通过计算支持度和置信度，可以提取频繁术语集的相同类别趋势。 定义了基于相关的频繁术语集，以进一步扩展术语集。 同时，将信息增益引入到传统的TF-IDF中，更好地表达了类别分布信息，并增强了每个类别的单词权重。 提取所有具有外部关系的术语对，并扩展常用术语集。 最后，通过频繁词集构造词相似度矩阵，并采用对称非负矩阵分解技术扩展特征空间。 实验表明，构建的短文本模型可以提高短文本聚类的性能。