随着互联网移动技术的迅速发展和普及,文本信息已经成为人们日常生活、工作和社交的重要组成部分,这些来源于互联网的文本信息大都为短文本。短文本的来源很多,例如各种聊天系统,社交软件,问答系统等。短文本数量的急速上升也对人们快速获取其中主要信息造成了不小的阻碍,尤其在问答系统这样的要求迅速给出反馈的系统中,首先需要分析出用户咨询的核心问题,其次要在短时间内给出回复,这些要求都是及其具有挑战性的。因此利用计算机技术来对短文本进行挖掘和分析显得意义重大,聚类技术是一种可对文本信息进行有效地组织、摘要和导航的重要手段,同时也可以挖掘出不同文本之间的关系,有助于对这些文本进行进一步的处理。短文本字数有限,信息量有限,噪声影响大,上下文信息不足,因此特征较为稀疏。这些特性导致短文本无法利用普通长文本的建模方法进行建模,给短文本研究带来了很多挑战。目前短文本聚类技术面临的问题有:如何降低无关信息带来的影响?如何表示短文本稀疏的特征?如何提高短文本聚类的质量?如何提升短文聚类的效率?针对上述问题,本文提出了一种应用于用户咨询短文本的短文本聚类方法。主要工作如下:1.本文通过二阶隐马尔科夫模型建模识别短文本中的无关信息,建立无关语词典,在语料预处理阶段对语料中的无关语进行过滤。2.为了缓解短文本特征稀疏问题,本文通过分析短文本的特点并利用词向量对短文本进行表示,同时利用选择性的加权方法实现文本向量构造,通过词向量的相似度来表示短文本间的相似度。3.本文为使聚类算法能够适应增量式的数据集,同时提升聚类算法效率,将聚类过程分为离线聚类和在线聚类两个步骤。采用用户咨询短文本进行聚类实验,最终结果证明了本文采用的相似度计算方法的有效性,实验取得的聚类准确率为82%,召回率为73%。对增量式数据集进行的聚类实验证明了离线聚类和在线聚类的结合确实能够大幅度提升短文本聚类效率。