词的分类问题在语言学和自然语言处理研究中占有相当关键的位置。对词进行语义分类,通常有两类做法。一类是基于语言学家的主观判断;另一类则是基于机器的自动聚类。后者是本文所要研究的主题。本文基于大规模的语料库利用自组织映射神经网络(SOM)对词进行无监督的自动聚类,并利用语言模型中的混乱度(Perplexity)构造了客观的评价方法。首先从语料库中抽取待聚类词的上下文窗口中的词,并利用信息增益(Information Gain)对特征词进行选择,然后借鉴信息检索模型中的TFIDF计算特征向量中每一个特征的特征权重,最终将构造好的待聚类词的特征向量做为SOM的输入,经过网络的迭代计算将不同类别的词映射在SOM输出网格的不同节点;将类别用染色体表示,构造C-均值遗传算法,实现词聚类。本文讨论了上下文窗口大小对聚类结果的影响;讨论了特征选择中抽取向量维数对聚类结果的影响;讨论了SOM学习率、输出网格边长等因素对聚类结果的影响。在此基础上,确定了聚类过程中的相关参数,从语料库抽取了4638个高频实词进行了聚类实验,比较了不同输出网格边长对混乱度评价结果的影响,实验结果发现利用SOM聚类结果由原来的初始随机分类混乱度1005.72下降到247.37;并利用C-均值和C-均值遗传算法对4638个词进行了聚类,对应的混乱度值分别为353.68和337.27。