文本聚类是聚类方法与自然语言处理相结合在文本处理中的应用,是聚类分析领域的一个重要研究分支。随着近年来互联网新闻文本信息的急剧增多,文本聚类的方法得到了很广泛的应用和研究。然而针对当前文本信息结构和内容的复杂化,文本类型的多样化,传统的文本聚类方法在文本模型表示、文本特征选择等方面仍然存在许多不足。本文以收集在2003-2008年期间发生的突发事件新闻文本语料库为基础,对突发事件新闻文本自适应层次聚类进行了初步的研究与探索,改进了突发事件文本的模型表示、文本特征选择方法,并对文本层次聚类提出了优化算法。本文的主要工作如下:1.深入分析了突发事件新闻文本中命名实体的特点,采用命名实体向量模型来表示突发事件新闻文本,并把命名实体作为文本的特征集,提出了一种新的文本特征集更新算法。2.提出了突发事件新闻文本自适应层次聚类算法,分析了传统文本层次聚类算法,并提出优化方法。3.设计并实现了突发事件新闻文本自适应层次聚类算法的实验系统。此实验系统对本文提出的自适应层次聚类方法进行了验证。本文用三个评价指标(准确率,召回率和F值)来验证算法的性能,并与传统方法作了实验比较。实验结果表明,本文提出的自适应文本层次聚类方法可以改进聚类的效果,并在一定程度上降低算法的时间复杂度。