随着互联网信息的快速增长,如何对海量文本信息进行有效聚类一直是文本挖掘领域的研究热点。传统的文本聚类算法通常采用向量空间模型(VSM)进行文本聚类,但是文本向量空间存在高维稀疏的问题,而且随着文本数据规模的增大,向量空间维度随之变大,需要对文本特征进行选择,并导致文本相似度计算复杂,聚类准确度下降。基于压缩距离的通用相似度度量方法的提出,则为这一问题的研究提供了新的思路。基于压缩距离的聚类算法虽然具有普适性、领域无关性、参数无关性等优点,但是应用到文本内容语义信息聚类时往往准确率较低。针对这一问题,论文首先提出了一种文本特征扩展方法,该方法通过引用“百度百科”中特定词条的名片信息,对预处理过的文本中关键词进行特征扩展,并针对存在多条解释语句的关键词进行特征扩展降噪处理,提高特征词的主题贡献度。其次,提出了一种基于特征扩展的文本聚类方法(DEF-KC),该方法与经典文本聚类方法相比,省去了文本表示、特征提取、特征空间降维等复杂计算过程,增加了文本特征扩展步骤,有效的提升了特征词的表述能力,并采用改进的归一化压缩距离进行文本相似度计算,然后构造相似度矩阵,最后采用谱聚类算法进行聚类处理。最后,论文实现了DEF-KC算法,并设计对比试验,验证了该算法的有效性和稳定性。实验结果表明,论文提出的DEF-KC算法与传统基于压缩距离的文本聚类算法相比,聚类准确率和召回率均得到了较大提升。