文本挖掘是数据挖掘领域中一个热门的研究方向。在文本挖掘领域中,文本聚类技术有助于缩小数据搜索空间,提高查询精度。作为一种无监督的机器学习方法,文本聚类技术已经成为对文本信息进行有效地组织、摘要和导航的重要手段,为越来越多的研究人员所关注。可以说,文本聚类的研究具有重要的理论意义和实际使用价值。自组织特征映射神经网络SOM在聚类应用中具有自组织映射、可视化好、计算效率高、聚类效果好等良好特性。因此,本文将SOM神经网络应用到中文文本聚类中,研究其在文本聚类中的有关特性。本文首先介绍了中文文本聚类中几项预处理关键技术:分词、数据清洗、特征词选取、文本向量表示。在此基础上,本文实现了文本的预处理模型:从已知词汇库中根据词性构造了一个初步的中文停用词表,用来对已分好词的文章进行停用词筛选。在剩下的那些词中,根据词的有效性评价,选取出一定数量的特征词。基于这些特征词,利用向量空间模型VSM,把每篇文章表示成计算机能够处理的实数向量。本文继而研究了对于类别已知的文本,利用SOM网络和已知类别标注方法,实现先验类别知识指导下的文本聚类。针对传统SOM算法聚类效果不佳的情况,本文使用核SOM算法进行改进,并且通过实验比较了传统SOM算法和核SOM算法在文本聚类中的聚类精度和鲁棒性。如果文本的类别事先是未知的,单纯使用SOM算法是无法实现自动聚类的。因此,本文将SOM网络和K均值聚类算法相结合,研究了类别未知文本的两阶段自动聚类。相比K均值聚类模型:前者聚类速度快,聚类结果可视化好,但聚类精度依赖于第一阶段SOM网络在特定训练样本集上的训练效果。