随着信息技术的迅猛发展,我国已经处于信息化和数字化时代,文字作为信息的重要载体,文本挖掘在各个领域中扮演着越来越重要的角色,在文本挖掘工作过程中,聚类是一种十分重要且常见的手段,聚类的目的直观上来讲大致如下:将待聚类文本集合中相似程度较高的样本归为同一类别,相似程度低的样本归到不同的类别中去,即按照各个样本间的相似程度将样本集合划分为若干类别。聚类过程是无监督的,它不需要人工为其提供带有标记的训练样本,所以聚类更简便、更智能,也因此被广泛应用于文本处理、模式识别等领域。近些年来,短文本大量出现在即时通讯、微博评论、业务投诉等众多领域。短文本具有精炼程度高、用词少、涉及领域广泛、形式多变、数量庞大等特点,而传统的文本聚类方法针对短文本不能达到令人满意的效果,所以对短文本的聚类逐渐成为了文本挖掘领域的主要挑战。目前,已经有一些用来对长度较短的文本进行聚类处理的方法。其中CHIRTCFS(CHIR-Text Clustering with Feature Selection)算法是建立在通过卡方检验来选择特征的聚类方法,同时该算法解决了特征选择过程中需要监督的问题,具有优良的聚类效果。本文首先针对该聚类算法在特征选择方面的不足,对基于信息增益特征选择方法和基于TF-IDF特征选择方法进行了改进,提出了一种初次改进的CHIR-TCFS算法。该改进算法有效提高了特征选择的准确性,同时弥补了原聚类算法不能有效处理非平衡数据集合的缺陷。另外,针对原算法在选择原始聚类中心时的缺陷,本文提出了一种基于基样本点的原始聚类中心平均散布的方法,解决了原始聚类中心过于接近的问题,提高了样本初始类别标签的准确性。之后通过实验验证了该改进方法的有效性。最后,在初次改进的CHIR-TCFS算法的基础上,为了提升聚类算法的效率,使其针对规模更大的文本集合仍然能够表现出良好的聚类效果,本文提出了一种表征能力弱的特征排斥的相似指标计算方法。同时,充分利用了文本中表征能力较强的特征的优势,提出了一种快速收敛聚类算法,使得每次确定聚类中心时都能使其以更快的速度逼近最终真实的聚类中心。本文中设计的对比实验的结果表明,快速收敛聚类算法拥有更高的效率和更好的聚类效果。