随着网络技术的迅猛发展,我们已经逐渐进入全民参与创造互联网信息的时代。评论文本成为互联网信息的主要承载方式,人们迫切希望从海量的评论文本中快速、高效地挖掘出有用的信息。而文本聚类技术不需要任何先验知识,且已有很多成熟、高效的算法,因此常常被视为数据挖掘优先考虑使用的方法之一。特征对于观点挖掘和情感分析任务是至关重要的。本文从特征构成角度出发,使用传统的k-means方法研究文本主题聚类与倾向性聚类。(1)主题聚类特征对文本主题聚类起着重要的作用,本文从特征的语言粒度出发,讨论了名词、名词短语、语义角色三种特征,并考虑它们之间的语义冗余,给出冗余处理策略和权重调整方法。实验表明,冗余处理策略使主题聚类纯度改善的范围为0.01—0.25；权重调整方法使主题聚类纯度改善的范围为0.011—0.015；冗余处理策略和权重调整方法同时使用时,使主题聚类纯度改善的范围为0.015—0.021。为了进一步探究语义角色特征与名词特征之间的语义关系,本文提出了一种基于语义角色特征分解的直接定位有效词特征的特征选择方法,在复杂数据集上达到0.8099的聚类纯度,该方法是易于理解且有效的,为文本主题聚类的特征选择方法提供了新思路。(2)倾向性聚类对于倾向性分析任务,识别具有倾向性的特征是至关重要的。因此在倾向性聚类任务中,为了尽可能多地识别具有倾向性的词语作为聚类特征,本文提出一种自动识别和标注倾向性特征的方法。该方法使用倾向性词表和扩展后的同义词林给尽可能多的特征标注倾向性,并对具有倾向性和无倾向性特征使用不同的权重调整策略,以改善特征表征倾向性的能力。实验结果表明该方法用于倾向性聚类使聚类纯度与传统聚类方法相比有一定的提高。