随着互联网时代的发展,网络上的信息也出现了爆炸性的增长,农业信息也是如此。常常会导致农户想要的信息得不到,不需要的信息却像“垃圾”一样多,既浪费了许多财力物力,又没有解决农户的实际需要。如何更好的组织和管理这些农业信息,就显得非常重要。本文以中文农业文本信息作为文本聚类的研究对象,并对中文农业文本信息的文本聚类过程进行了研究,主要包括：文本预处理、基于农业信息的TFIDF (Term Frequency Inverse Document Frequency, TFIDF)文本特征权重计算方法、文本聚类、性能评价。首先在研究文本聚类预处理关键技术的基础上,对各种有监督和无监督的特征权重选择算法进行了分析,重点研究了经典的TFIDF权重计算方法,并分析了该算法存在一些缺陷,然后根据农业信息自身的特点提出了一种基于农业信息的TFIDF权重计算方法,根据向量空间模型计算相似度验证了改进后的权重计算方法对提高文本相似度的有效性。然后研究了各种文本聚类算法,对各种聚类算法的性质和特点进行了详细的分析,论述了聚类结果的评价方法。针对K均值算法的一些不足之处,提出了一些优化：第一是孤立点的问题,在本文中先通过文本相似度平均值计算的方法对孤立点进行提取,避免孤立点给聚类结果带来的不良影响；第二是提出一种快速查找聚类初始中心点算法,避免中心点选择的盲目性；第三是根据快速查找聚类初始中心点的思想,提出了一种最远距离的聚类有效性函数,优化初始聚类的K值。最后通过实验分析表明改进后的TFIDF权重算法在传统K均值算法中使聚类效果有所提高；在快速查找中心点聚类的思想中,通过最远距离的聚类有效性函数能较准确的确定K值。