通信工程和计算机技术的迅速发展将人类社会带入到了信息时代,数据库中存储的数据量也急剧增大,如何在海量数据中分析和获取有价值的知识成为人们日益关注的问题。文本聚类分析是信息数据挖掘的一个重要研究方向,可以直观地反映数据间的分布特点,更好地发现数据集中内在的类别特性。K-Means算法作为聚类分析算法中最为普遍应用的算法之一,尽管时间复杂度较低且易于实现,但在处理具有高维性和稀疏性的数据时,容易出现局部最优的情况。本文介绍了文本聚类算法的基本理论与相关技术,对于K-Means算法本身具有的部分局限性,提出了改进的聚类算法。在介绍聚类的几种常用的算法思想和文本聚类的相关技术的基础上,重点阐释了K-Means聚类算法,并分析了该算法具有的优缺点。针对传统K-Means算法对噪声数据敏感且随机选择初始聚类中心导致可能无法得到有效的聚类结果等缺点,提出了基于知识图谱的改进K-Means聚类算法。知识图谱是构建在当前Web基础之上的一层覆盖网络,借助其图的表示结构,考虑文档词条间的语义关系,可以在Web网页上建立起基于概念的一种链接关系。通过改进类与类之间的相似度度量标准,构建知识图谱中的“语义网络”,从而优化初始聚类中心的选择方式与词条向量间的距离计算方法,降低孤立点对聚类结果的影响。改进的K-Means算法中初始簇类中心的选择策略可以减少该算法陷入局部最优解的可能性并充分考虑到文本内容对文本聚类的贡献度,提高算法性能与效果。论文采用了常用的评价指标来对不同方法的实验结果进行比较,其中,评价标准包括兰德指数、轮廓系数、互信息与V-measure标准等。通过对比实验表明改进后的算法能够得出聚类质量较高且波动幅度较小的聚类结果。同时,针对本文的研究做出分析与总结,提出了在实验过程中未能深入研究到的相关问题,并展望了文本聚类挖掘未来的研究方向。