大规模文本数据在丰富人们信息生活的同时也对如何更好地管理它们,挖掘其价值提出了挑战。聚类分析作为一种无监督学习方法,提供了一种不依赖标注信息,仅依靠数据本身的特征来识别数据分布模式的方案。文本聚类是自然语言处理的一个重要分支,已经有了一些成功的应用。例如,它可以把问答平台、社交媒体上用户发布的大量文本自动归入不同的主题,从而减轻平台的负担;可以将文献数据库中作者名存在歧义的论文自动划分为不同作者的发表集合,等等。本文利用不同的数据增广方式结合对比学习缓解文本聚类中数据稀疏的问题,针对两个场景可利用的额外信息设计了文本聚类框架,具体说来:针对用户生成内容平台（UGC）的文本,文本的作者（ID）通常是公开的。本文从统计特征出发,验证了每个作者只关注有限的话题类别,并发布相关话题下的文本的假设,说明了对用户文本聚类时考虑作者的合理性。并基于这样的观察,提出了用户文本聚类框架CAT。CAT从文本表征和聚类目标函数两个方面考虑作者的影响力。其中目标函数以对比学习的形式,结合深度表示学习技术,增广的数据来源于聚类级别的注意力表示融合以及作者的表征,在连续空间进行,在用户文本聚类场景下解决了前人工作中对文本进行词替换以增广数据导致的文本中心词丢失的情况。在有作者（ID）的数据上CAT的表现大大超过了其他考虑和不考虑作者的文本聚类模型,说明了考虑作者角色在用户生成文本聚类上的益处和所提出方法的有效性。针对文献管理平台的无监督论文作者同名消歧问题,本文首次提出端到端的基于异质网络的对比聚类框架HINCC。以论文之间共同作者,共同机构、引用关系等建立论文信息异质网络,通过节点自遮掩和基于边的遮掩两种视图（View）作为数据增广方式,应用对比学习结合异质图神经网络编码器,使得节点周围不同类型邻居的信息充分交互融合构成节点表征,并且邻居信息相似的节点表征更接近;同时利用聚类生成的伪标签参与对比学习中负样本的动态筛选,减少了同类别负样本带来的性能衰减问题。在三个不同的论文同名消歧数据集上证明了所提出方法的有效性。综上所述,本文从不同文本聚类场景可利用的额外聚类线索出发,构建针对性的数据增广方式,探索了应用对比学习引导这些生成的正负例表征对聚类的增益的能力,并在多个公开数据集上验证了所提出方法的有效性。