聚类是一个重要的基于统计的无监督信息处理工具,在很多应用领域起着基础的作用。其中,文档聚类是对文本文档进行聚类的方法,对于信息检索有着减小数据规模、改善检索效果的作用。WAF可以作为文档模型,服务于聚类任务。文档聚类方法已经有数十年的研究历史。近年提出的WAF模型利用term的共现信息建模,在数据集统计、词关系发现上有着显著的效果。相比VSM模型,WAF模型携带了更多的信息,有理由成为有效的文档表示模型之一。本文研究基于WAF的文档聚类方法,主要做了以下几个方面的工作。首先,对WAF模型的含义和理论基础进行分析和推导。一方面从图的角度分析了WAF的几何意义,另一方面以语言模型和信息论为出发点,理论上推导出WAF模型的信息论意义。其次,对WAF作为文档模型做了改进。利用词之间亲和度定义了.两个文档的WAF模型之间的相似度,引入了WAF平滑和A值平滑方法。再次,利用英文Wikipedia的开放数据,以VSM模型为对照组,评价了基于WAF模型的聚类方法的效果,验证了WAF文档模型的有效性。最后,介绍了实际工程项目中海量短文本聚类与存储的方案。采用快速聚类处理海量短文本,为下游模块减小数据规模。提出AIS策略存储时序海量短文本。