文本聚类分析是数据挖掘领域在文本处理方向的重要研究问题。由于无监督的聚类方法可以识别社交媒体文本信息中的潜在的主题类别,发掘未知的价值领域,并能保持在海量规模数据中的运行效率,其被广泛应用在事件抽取、社区发现与用户画像等实际问题中,广受学者和工程师的青睐。对文本聚类问题而言,文本表示的方法至关重要。其中向量空间模型是文本聚类中最常用的表示模型,但其存在着语义孤立、特征稀疏的问题,难以准确衡量文本之间的相关性。近年来,一些学者也基于表示学习来度量文本相似度,但在无监督的聚类任务中仍存在精度不足的问题。本文针对以上问题,面向微博聚类任务,提出了两种改进方法:一、利用TF-IDF算法和外部情感词典,生成向量空间表示与情感标识,并结合词嵌入模型,改进文本之间距离计算,以缓解聚类算法中特征孤立、稀疏的问题。在此基础上,本文还提出了一种基于热度统计的聚类中心初始化算法,对聚类算法进一步优化。二、面向文本聚类任务,基于先进的自监督表示学习模型,提出了一种学习文本语义相似度的句子表示模型CIRN。通过学习通用性更强的分布式表示,来更准确地衡量文本之间的距离。本文提出的两种方法分别借鉴了Word Embedding特征表示和Input-Response模型。为了验证改进文本表示在聚类任务中的效果,本文在具有标注的新浪微博和Twitter数据集上进行了实验。实验结果表明,改进的表示向量在微博聚类任务上有更好的类别划分能力,并在纯度和归一化互信息上都取得了不错的分数。