Con la gran cantidad de publicaciones en redes sociales disponibles en línea, el modelado de temas y el análisis de sentimientos se han convertido en métodos centrales para comprender y analizar mejor el comportamiento y la opinión en línea. Sin embargo, el análisis semántico y de sentimientos rara vez se ha combinado para el modelado conjunto de temas y sentimientos, lo que produce temas semánticos asociados con sentimientos. Los recientes avances en el procesamiento del lenguaje natural tampoco se han aprovechado hasta ahora para el modelado conjunto de temas y sentimientos. Inspirado por estos avances, este documento presenta un nuevo marco para el modelado conjunto de temas y sentimientos de textos cortos basado en modelos de lenguaje preentrenados y un enfoque de agrupamiento. El método aprovecha técnicas de reducción de dimensionalidad y agrupamiento para las cuales se consideraron múltiples algoritmos. Todas las configuraciones se compararon experimentalmente con modelos existentes de temas y sentimientos conjuntos y una línea base secuencial independiente. Nuestro marco produjo grupos con puntajes de calidad de tema semántico de hasta 0.23, mientras que el mejor puntaje entre los enfoques anteriores fue de 0.12. La precisión de clasificación de sentimientos aumentó del 0.35 al 0.72 y la uniformidad de los sentimientos dentro de los grupos alcanzó hasta 0.9 en contraste con la línea base de 0.56. El enfoque presentado puede beneficiar a diversas áreas de investigación, como la gestión de desastres, donde los sentimientos asociados con los temas pueden proporcionar información útil práctica.