随着信息技术的发展，以电子形式存在的文本信息已经成为人们主要的信息来源。人们迫切需要能够从Web上快速、有效地发现资源和知识的工具。近年来针对文本数据的文本挖掘已逐渐成为人们研究的新课题。其中，对于文本聚类的研究已经引起了广泛的重视，并取得了良好的成果。 本文首先对数据挖掘中的聚类分析做了深入的理论研究，以数学的形式表示和讨论了聚类分析中样本类型、样本相似度测量、类的定义等基本概念，分析了五种常用的聚类算法，并对算法性能做了分析与比较。 本文随后对于聚类分析在文本挖掘中的应用——文本聚类做了研究，讨论了将无结构的文本数据转化为聚类算法可以处理的结构化数据的方法和以特征向量形式表示的文本聚类算法。 最后，给出了一个简单的文本聚类模型，并基于K—means文本聚类算法，对模型做了一种设计和实现。