随着信息技术的发展,尤其是Internet在全世界的普及和应用,网络信息成为人们取之不尽的信息来源,人们所面临的要问题不再是信息匮乏,而是如何提高信息获取和信息访问的速率。数掘挖掘技术和知识发现技术便应运产生。文本挖掘是数据挖掘中最重要的研究领域之一,文本聚类是文本挖掘中的核心技术之一,近年来文本聚类的研究取得了长足的发展。自组织映射网络是通过模拟人脑对信号处理的特点而发展起来的一种人工神经网络。自组织映射聚类的基本思想是通过网络训练,把相似的输入映射到同个输出结点上,从而实现对输入数据聚类。本文以自组织映射网络作为文本聚类的主要框架,研究探索相关算法的优点、面临的主要问题以及相应的解决方法。本文的主要目的是研究具有更高性能的文本聚类算法。论文的主要研究工作如下：首先,文本预处理作为文本聚类最重要的基础,许多关键技术直接影响了文本聚类的最终结果。本文对文本聚类预处理中的关键技术：分词、特征提取和文本向量化作了比较系统深入的研究,这为后文的聚类实践打下了坚实的基础。其次,针对传统SOM聚类算法需要提前确定聚类类别数目的问题,本文改进了一种基于最小最大原则的k-means文本聚类算法,用该算法来计算聚类类别数目。再次,提出一种新的基于SOM的文本聚类算法,该算法首先用改进的k-means文本聚类算法来计算聚类类别数目,将此值作为SOM网络输出层神经元数目,然后执行SOM算法进行聚类。最后,对新的文本聚类算法进行实验及分析。