随着互联网的不断发展,人们可以获取海量的信息,其中大部分信息是以文本的形式存在的。现实世界中通常存在着少量的有标记样本和大量的无标记样本,仅使用少量的有标记样本的监督学习泛化能力不强,而无监督学习又不能高效地利用无标记样本。半监督学习能够利用少量的有标记样本和大量的无标记样本提高学习性能。因此研究半监督的文本聚类具有重要的意义。常见的文本聚类算法无法高效地利用无标记样本进行聚类,并且聚类结果受特征向量的影响,特征维度过高会导致聚类效果不佳。针对这些问题,本文提出了一种基于半监督学习的文本聚类算法。该算法首先对实验语料库进行文本预处理,利用word2vec模型训练语料,学习词语之间的语义关系,将文本转化成稀疏的原始向量形式;然后使用基于卷积神经网络的特征提取模型对原始向量进行特征提取,该模型使用一部分有标记样本进行卷积神经网络的训练,再利用训练好的卷积神经网络对文本向量进行特征提取,该模型不仅提取了重要特征,而且降低了特征维度;最后为了解决K-means算法依赖初始聚类中心的问题,采用半监督学习的方式,利用少量的有标记样本来确定K-means算法的初始聚类中心,为避免某个有标记样本可能是孤立点,通过计算样本点之间的马氏距离来排除此点。本文在文本数据集20 Newsgroups和人工数据集上分别进行了实验,使用了准确率、NMI和F-Measure三种聚类效果评价指标。其中文本数据集20 Newsgroups上的实验结果表明,本文算法的准确率达到45%以上,NMI值达到35%以上,F-Measure达到39%以上,优于其他的文本聚类算法。人工数据集上的实验选用2012年搜狐新闻数据,实验结果表明,本文算法的准确率超过了 90%,NMI值超过了 63%,F-Measure超过了 80%,本文算法应用于短文本可以解决短文本特征高维、稀疏的问题。