随着互联网技术的普及,人们在使用智能设备的过程使用的文本数据越来越多,如何更快速、更高效地从海量文本中获取我们所关注的信息,是文本挖掘技术关注的热点。文本聚类作为文本挖掘的重要技术,能够帮助用户更有效地获取文本中的有益信息。作为自然语言处理的基本技术之一,文本聚类技术的难点主要有以下三点:第一,聚类效果与人类观感的匹配;第二,聚类结果的可解释性程度;第三,如何让计算机从自然语言文本中获取高级语义信息。本文综合以上三点,提出了基于词嵌入的流形主题模型的文本聚类方法。本文的主要工作内容如下:第一,对当今常用的主题模型进行详细的研究和分析,指出现有模型的优势与不足。第二,依据第一点的理论分析结果,引入基于词嵌入的流形主题模型,在流形空间中挖掘隐含在文本中的语义结构,提高文本聚类的质量。第三,对主题模型存在主题噪声的现象进行分析,提出了一种基于语义依存分析的主题平滑处理方法。通过中英文语料的实验结果显示,流形主题模型的困惑度、主题一致性和逐点互信息三个评估指标均优于现有的两种主题模型,说明在流形空间中对文本进行聚类能够更好刻画文本的隐含语义结构。并且实验证明,主题平滑方法能够有效提高模型的评估得分,并从实验数据中得出流形主题模型受主题噪声影响最小的结论,从而验证了流形主题模型在文本聚类任务中的有效性。