互联网的高速发展使人们越来越依赖网络,同时也催生出例如微博,网络新闻等大量的短文本。利用大量的短文本并且利用其中文本内容的特点,通过聚类的手段对短文本进行信息挖掘,可以帮助相关决策人员或企业更好地观察事情的发展趋势,有利于后续的舆情控制、公关以及决策等相关工作的开展。但是不同于传统文本,短文本具有稀疏性等问题,传统长文本聚类手段不适合应用于短文本的处理,而且现有的文本聚类算通常很难捕捉文中词语间的关联性和前后文所蕴含的语义。为了得到更精准和健壮的聚类结果而衍生出了聚类集成方法,这种技术手段如今已有较为广泛的应用。但是在聚类集成过程中,最终的聚类结果很容易受到低质量基聚类成员影响。本文针对上述这些问题进行了短文本聚类集成算法的优化与改进:(1)本文设计了基于卷积神经网络的短文本处理方法。该方法使用word2vec模型对大规模的维基中文语料库进行训练,得到词语的向量表示形式,然后利用双向长短时记忆网络结合前后文语义得到扩展后的词语向量表示。进而组合得到短文本较为稀疏的原始向量表示形式。之后,结合本文输入的词向量矩阵的特点,利用本文提出的分段文本卷积神经网络对文本向量提取特征,得到维数较低的短文本特征向量,并将此特征向量作为后续聚类算法的输入。(2)本文设计了利用基尼不纯度评估聚类可信度的聚类集成算法。考虑到每个基聚类是由多个最小单元聚类构成,所以并不是简单的把每个基聚类当做不可分割的个体。该方法利用基尼不纯度作为指标来评估最小单元聚类的可信度,从而赋予它们权重。然后利用基于图划分的聚类方法作为一致性函数,与本文提出的权重计算方法相结合产生最终的一致性聚类结果,从而减小低质量聚类成员对最终聚类结果的影响,提升聚类结果质量与鲁棒性。(3)最后针对本文提出的方法,在常见的中文短文本数据集上设计了多组对比实验,并选择常见的聚类效果评估指标ARI和NMI进行衡量。实验结果证明了本文提出的特征提取方法与聚类集成方法是有效的。