随着Internet的迅速发展,Web信息资源已涵盖了社会生活的各个方面,网络信息过载问题日益突出,这促使Web挖掘技术迅速发展。本文从Web文档聚类的角度,围绕文档分布信息表示及其相似性度量方法、多角度聚类及核理论在多角度学习中的应用三个方面展开研究,主要工作包括以下几个方面:1.提出一种嵌入分布信息的文档相似性度量方法。现有的Web挖掘技术大部分是基于传统的VSM(Vector Space Model)向量空间,虽然能达到一定的效果,但是忽略了Web文档中其它有用的信息。针对此问题,本文引入了文档中单词的分布信息,提出了新的相似性度量方法。实验结果表明,新相似性度量方法能较好的提高聚类效果。2.提出一种多角度学习算法。该方法在传统多角度Kmeans算法的基础上,采用经典及新的相似性度量,尝试在不同角度上使用不同的学习算法,可更好地反映出数据集中文档的分布特征。实验结果表明,本文提出的多角度学习算法取得了较好的效果。3.提出一种基于核方法的多角度聚类算法。核化理论主要是通过不同核函数在原空间中诱导出不同的距离。本文分别采用多项式核和高斯核,进行了大量实验,实验结果表明,核化后的多角度聚类算法性能得到了明显改善。