在网络信息时代，随着通信技术的不断发展，即时通信得到了广泛应用，产生了巨大的短消息数据，短消息数据中蕴藏了大量有用信息资源，如何对短消息数据进行采集、存储、分析和挖掘，对于信息管理和信息检索等具有重要意义。　　 短消息具有动态性、错综复杂性、非规范性、大规模性等特点，这些给数据挖掘带来极大挑战。本文以短消息挖掘为背景，研究短消息聚类相关技术，涉及短消息预处理、合成会话、相似性度量以及聚类算法的研究，其中重点对相似性度量和聚类算法进行了研究，并试图提高聚类准确性和聚类算法的可伸缩性，为聚类输出提供实际应用。研究的主要内容如下：　　 首先提出了短消息文本聚类场景系统。聚类系统包括数据接收采集、归档消息数据库、聚类节点、输出节点四部分。本文描述了聚类场景系统的结构体系，分析各个部分的功能，其中重点研究了接收采集部分需要处理的问题：如何采集，能否按时间段划分消息记录，如何合成会话等。该系统的提出为本文展开短消息聚类相关技术研究提供了基础。　　 接着提出了基于语义的短文本相似性度量方法。本文的相似性度量方法基于词法分类器Hownet，通过Hownet计算词语的语义距离，得到词语相似度，并可结合特征词权重一起计算文本相似度。该方法能够解决短文本的关键词稀疏带来的相似度偏离问题。　　 针对短消息的文本聚类算法，本文提出了基于频繁词集和Ant-Tree的混合聚类方法SMHC。基于频繁词集的文本聚类算法执行效率很高，且可以适应高维的大规模数据。Ant-Tree算法得到的聚簇更接近于数据的真实分类，且算法基于树结构，执行效率较高。基于频繁词集和Ant-Tree的混合聚类方法，利用基于频繁词集聚类算法处理文本数据的效率优势，生成初始聚簇；计算轮廓系数来消除初始聚簇中的重叠，在此基础上再通过Ant-Tree算法继续精化，最终得到高质量的结果输出。而且聚类结果保留了树状层级结构，为应用提供了更丰富的信息。　　 最后设计了应用于聊天软件中的短消息文本挖掘系统，介绍了该系统的总体结构，阐述了各单元的功能结构与设计实现。