当今信息技术不断发展，各种形式的信息大量涌现，其中文本形式的数据量特别庞大。人们希望快速、准确而全面的获取信息的同时，必须面临在巨大的信息资源中找寻有价值信息的难题。数据挖掘和自然语言处理技术为解决这个问题提供了新的支撑技术。　　 文本挖掘是计算机技术中一个较为崭新的领域，其主要是通过分析大量的文本信息来提取隐含的、未知的、非平凡的以及有潜在应用价值的知识和其他利益。本文主要研究讨论了聚类分析在文本处理中的运用，通过改进逆向最大匹配分词，文本特征表示，模糊聚类来得到一个好的文本聚类集。本文的主要研究内容概括如下：　　 由于中文不同于英文等西文语言，中文在字、词之间没有明显的切分标记，在文本结构化表示之前，必须对文本进行分词处理，本文着重分析了逆向最大匹配分词方法，并结合基于散列(Hash)函数的反向分词词典，对逆向最大匹配分方法进行相应的优化，在减少匹配词典次数和缩小匹配范围的同时，发挥了逆向最大匹配分词方法简单易于实现的优点，并且到达“长词优先”的目的，减少了分词歧义。　　 FCM(Fuzzy C-Means)聚类算法，本文结合隶属度加权和平均信息熵技术，有效解决了FCM算法对孤立点敏感和模糊聚类数目选取困难的问题，并且很好的运用于文本挖掘。　　 最后，我们对文本分词和文本聚类算法进行了实际操作，在分词和文本聚类实验中得到了较好的结果。