随着互联网的高速发展,网络信息成爆炸式增长。如何快速、准确的从这些海量数据中获得有用的信息成为了人们关注的焦点。作为处理和组织大量文本数据的关键技术,文本聚类可以在很大程度上解决信息杂乱和信息爆炸所带来的问题,而且它作为信息过滤、信息检索、文本数据库、数字化图书馆等领域的技术基础,有着广阔的应用前景。近邻传播聚类算法是最近提出的一个新的聚类方法,具有迭代速度快,聚类效果好等优点,但是将该方法用于中文文本聚类上的研究还不多见。本文将近邻传播聚类算法引入到文本聚类领域,并在此基础上进行改进,提出了一种基于近邻传播和凝聚层次的文本聚类算法。本文的研究内容主要包括以下几个方面:(1)分析了近邻传播聚类算法在文本聚类上所存在的问题,在此基础上提出了一种通过两次特征选择和结合凝聚层次聚类算法的新方法来改进近邻传播聚类的结果。(2)对基于近邻传播和凝聚层次的文本聚类算法进行改进,提出了一种基于数据划分的增量聚类算法,先将大数据集分成多个小的数据集进行聚类,再对小数据集的聚类结果进行合并,以实现对大规模文本聚类。(3)结合本文提出的算法,设计并实现了新闻实时在线聚类系统,以发现每天的重大新闻和热点事件。本文在多个数据集上将基于近邻传播和凝聚层次的文本聚类算法与K均值聚类,凝聚层次聚类和近邻传播聚类进行了对比实验,实验结果表明,本文提出的方法取得了和近邻传播聚类算法相当的纯度,均在0.9以上,且在F值上均好于其它方法,到达了预期效果。