随着社会信息化进程的不断深入发展,人类对信息的需求和依赖程度越来越高,如何从海量的信息资源中快速有效地获取有用的信息,已经成为研究的热点。目前文本聚类的方法主要有划分聚类法、层次聚类法、自组织映射法、基于遗传算法的文本聚类法等,由于XML文档是一种半结构化的文本,其语义信息可以通过文档结构得以描述,所以并不是所有的文本聚类算法都适合于XML文本聚类,而目前XML文档聚类中应用最多的主要为划分聚类法和层次聚类法两种。这两种方法的主要缺陷在于仅局限于发现球状聚类类型,对于非规则的,任意形状的聚类类型无法实现有效聚类。XML作为一种通用的数据交换载体,在海量数据的存储中,其本身的文件结构始终具备多样性,所以有必要采用一种新的聚类方法来对其进行聚类。另外,在传统的文本语义聚类领域的聚类模型中向量空间模型、布尔模型、概率模型、集合运算、支持向量机和潜语义标引模型等,均是以文档集合中出现的单词词频作为特征项来检索,并没有考虑到单词所位于的结构层次,因而不能有效地针对XML这种结构嵌套的文件进行聚类。本文在前面两种聚类方法的基础上提出一种新的基于DBSCAN的结构相似性聚类算法,其可以用来发现非规则的,任意形状的聚类类型。同时,针对XML文档集所具备的“结构嵌套”的特性进行研究,本文还提出了一种新的XML分层语义聚类方法,将关键词所处的层级位置作为一个重要因素实现一种新的语义聚类算法,同时在语义比较时进行模糊而不是完全匹配,利用该方法相比传统的文档聚类技术可以更加有效地在语义层面对XML进行聚类。