1、近年來，我們可以從電子出版物，Email，Web頁面獲得數目驚人的文檔。與此同時，大量的文檔也導致了人們搜尋、過濾和管理信息的困難，因此，管理和分析海量文本數據就非常重要了。
　　目前，研究文本聚類技術已經成為文本數據挖掘的一個非常重要的方向。但是為了達到提高識別率的目的，通常會造成原始特征的數量巨大，原始特征可能達到幾千維，甚至更高。其中存在著大量的冗余特征，造成維度災難。同時現有的聚類算法片面強調了效率的提高，忽略了對邊界類別

2、模糊樣本的處理而導致了聚類結果的正確率不高。
　　本文針對文本聚類面臨的維度災難問題和現有的文本聚類算法進行了分析和研究，主要做了以下工作：
　　首先，總結了現有的特征選擇方法和相似度度量，提出一種基于詞共現的特征選擇方法，提高了文本聚類的正確率，降低了特征選擇的冗余度，從而提高聚類算法的整體性能，達到了降維的目的。
　　其次，研究幾種比較流行的文本挖掘算法，對這些算法進行了詳細的介紹，分析了各自的優(yōu)缺點，進而提出一種