近年来，我国石油行业信息化建设发展迅速，但针对石油领域的文本聚类研究却寥寥无几。现有聚类技术大多是面向综合文本的研究，对主题信息的聚类研究尚不完善，因此研究和开发专业的石油主题聚类方法具有很大的价值。 传统文本聚类研究采用基于关键词集的向量空间模型，它仅考虑文本语法层面上字、词的简单匹配，没有考虑隐含在文本的语义信息，缺乏对其所包含语义信息的理解，影响了文本聚类的质量。 本文针对传统聚类挖掘基于关键词集向量空间模型的不足，以及对相关领域信息不完善的问题，提出了基于语义和领域相关的聚类挖掘思想。首先，利用主题概念树在语义处理方面的优势，提出了基于主题的特征提取思想。然后，在主题概念树的基础上，提出了权重的计算方法，并利用HASH技术对语义进行了扩展，在一定程度上解决了文本聚类预处理中高频词和低频词的问题。最后，在知网的基础上，提出了基于语义相似度预处理的算法，解决了聚类预处理的同义现象，降低了文本的特征维数，从而在特定领域上使基于语义的聚类挖掘成为可能。 实验表明基于语义和领域相关的聚类挖掘模型能够解决传统聚类挖掘缺乏语义信息的问题，较之传统的聚类挖掘具有更高的准确率，提高了聚类的精度和质量。