在互联网上的文本信息量迅速增长的同时,人们对互联网上的信息进行查阅和整理所耗费的精力与时间也越来越多,在这种背景下,利用文本聚类技术来进行的文本信息的自动归档,并从这些文本信息中提取出主要的特征,可以大大减少手工整理文本信息的工作量,提高文本信息检索的效率,具有非常重要的应用前景与研究意义。本文使用互联网上采集的中文文本作为实验数据集,通过分析在传统聚类算法中数值型数据和文本型数据的差异,不同的相似度度量方式对聚类算法产生的影响,以及聚类结果的有效性评价,提出了一种基于K-Means算法改进的文本聚类算法,该算法从初始聚类中心选择、K值的确定以及文本类簇特征词提取方面进行了研究并提出了相应的改进,这些改进主要包括：第一,使用极大极小值原则来替换传统的随机方法选取初始聚类中心,实验表明该方法可以有效提高聚类结果的准确率、召回率以及F1值,并且可以获得稳定的聚类结果。第二,针对K-Means算法的K值需要事先给出的问题,提出了一种基于聚类有效性指标的评估来确定最佳K值的方法。该方法通过对聚类结果的簇内凝聚度以及簇间分离度的综合分析来确定最佳K值,实验证明该方法可以自动发现较为准确的K值作为文本数据集的类别数。第三,提出了用于文本类簇特征词提取的TF-ICF(Term Frequency-Inverted Cluster Frequency)方法,通过该方法可以对文本类簇中的词的按照权重大小进行排序,从而提取出高权重的特征词。试验结果表明该方法可以提取出文本类簇的有效特征词。最后,将本文所述的基于K-Means的文本聚类算法进一步设计实现成了一个文本聚类系统,该系统以可视化的方式展示了文本聚类后的结果,对于文本聚类以及文本类簇特征词提供了一种友好直观的浏览方式。