随着网络的快速发展，网络学习资源越来越丰富，人们开始通过互联网学习感兴趣的知识，代替传统的学习模式。虽然网络学习资源丰富，但是由于学习网站大量存在，且相互之间对于知识层次结构不同，学习资源错综复杂。同时网络中的知识内容大多以无结构或半结构的文本形式存在，对于知识内容的分析也成为难点。　　本文通过文本聚类技术实现将属于同一知识点类别的文本聚集成同一类，在学习者学习某门课程的知识点时将相关的知识点推荐给学习者，实现节省学习者学习时间，提高学习者学习效率的目的。以计算机专业知识点文本作为研究对象，研究知识点文本聚类技术，涉及知识点文本的获取、知识点文本的预处理和聚类算法研究等技术，其中重点对文本聚类的相关算法进行了研究，并且针对知识点文本的特殊性，对文本聚类算法进行了改进。　　研究的主要内容如下：　　(1)针对知识点文本的获取，采用Heritrix开源软件，通过对Heritrix进行扩展，主要包括定制Extractor、扩展FrontierScheduler、多线程抓取网页、取消robot.txt的访问，从而实现网页的快速高效抓取。　　(2)对于知识点文本的预处理，通过对基于Lucene的第三方开源软件mmseg4j的扩展，主要包括扩展词库与停用词的处理，实现针对知识点文本的高效率分词。　　(3)对知识点文本的聚类，通过分析知识点文本的特点，针对TF-IDF计算词条权值的方法进行了改进，并且针对知识点文本的聚集性，将CURE算法中初始选择簇中心点的方式结合密度法进行了改进。实验证明本文提出的聚类算法的改进方法提高了聚类算法的效率。