随着计算机的广泛使用与网络技术的深入发展,人们更多的将各种资料信息以电子文本的形式存储于计算机及网络空间中。这些文本信息的大规模增长,导致人们对信息的过滤、筛选出现困难,如何对这些文本进行比较或是对文档的相关性进行分析从中得到隐藏的、潜在的有用的信息,进而为人们的工作提供一定的指导与线索,成为了亟待解决的问题。文本聚类技术是将文本集聚合为由若干个文本簇组成的集合,是一种无监督的文本处理方法。文本聚类方法作为文本数据挖掘领域中的主要方法之一,经常并有效的被用于信息检索领域。对大规模无规律的文本信息进行划分,是文本聚类的一个重要的应用研究。本文主要是将文本聚类技术应用于某单位所搜集的大量文本信息中,通过对其进行处理,将信息聚类,为该单位进一步的分析工作提供一定的线索。本文介绍了文本聚类的概念,针对具体的应用需求,说明了聚类过程中的文本预处理、特征选择、文本向量表示及特征词的权重计算等方面的工作。针对文本聚类中忽略特征词之间的关系问题,本文引用了本体的知识。将HowNet知网作为本文的知识背景,对预处理后的文本进行同义词之间的合并,减少文本向量表示的维度,改善文本聚类的结果。此外,本文详细阐述了文本聚类的各种算法,表明各自的优缺点,从而选择合适的算法进行聚类研究,本文选取其中的三种聚类算法进行聚类。本文将文本聚类技术在某单位所搜集的文本中进行了实验。通过文本聚类技术,将文本聚集成簇,取得了较好的实验结果。