互联网中半结构化文档占据了绝大部分数据,如何应对半结构化文档成为了企业界和学术关注的重点。JSON是一个典型的半结构化文档广泛应用于互联网中,然而JSON文档的聚类研究鲜有涉及。本文研究了 JSON半结构化文档的聚类技术,提出基于混合的K-Means的聚类算法改进,并将聚类模型应用于政府开放数据,最后实现了聚类系统。论文的主要内容有:首先介绍了半结构化文档的特点,定性和定量分析比较了 JSON和XML文档。然后给出了 JSON半结构化文档的文档向量表示,考虑了特征降维技术,提出了混合因子和路径层级的假设,最后给出了基于混合的K-means聚类算法改进。随后本文给出政府开放数据的背景以及数据集的相关信息,讨论了聚类质量评价指标,包括内部和外部质量指标,然后设计了聚类有效性评价实验和类别数目k的确定实验。本文实现了基于JSON半结构化文档的聚类系统,设计了系统流程图,进行了系统模块设计,包括数据获取模块、预处理模块、向量表示模块和聚类方法模块,然后提出了频繁权重和特异权重的概念用于系统效果可视化。本文的研究结论:(1)提出影响文档区分能力的两个因素:路径层级和混合因子,在实验部分得以验证。(2)通过实验证明,需要综合考察两者对聚类的效果影响,侧面上验证了单独考虑混合因子和路径层级是不够的。(3)在JSON半结构化文档聚类中,验证了 SC指标表现优于CHI指标。(4)开发并实现了面向JSON半结构化聚类的原型系统。(5)提出频繁权重和特异权重,从主题和模式两个角度展示JSON半结构化文档的内容和结构两个部分,在展示过程中使用了标签云技术,展示效果非常明显。