在互联网蓬勃发展的今天，网络信息呈指数式增长。面对海量的网络信息，如何以最快捷、准确的方式获取信息，也许是每一个网民最大的需求。在这种情况下，谷歌、百度、雅虎等搜索引擎顺势而生，为网民获取信息打开了通路。但是，传统的搜索引擎远非完美，其以线性列表的方式显示搜索结果，给网民快速获、准确地取信息带来了困难。因此，研究者们将文本聚类引入到对搜索引擎返回结果进行分析的过程中，以帮助用户快速找到所求。本文的研究工作主要围绕如何提高聚类质量和聚类算法计算效率展开。具体做法是从非负矩阵分解算法、向量空间模型、后缀数组排序和中文分词模块四个方面着手，对中文聚类算法的关键技术进行深入的研究，并以Lingo聚类算法为原型，研究提出了一种用于对中小规模文档集进行聚类分析的中文聚类算法Rlingo。本文所做的主要工作是：第一、首次将基于板仓-斋藤散度的非负矩阵分解引入到聚类分析中，提高了聚类标签的可读性和聚类结果的整体质量；第二、将位置因素和词性因素引入对传统的向量空间模型进行改进，进一步提高了聚类结果的质量；第三、基于线性后缀数组排序算法：skew算法，提出了一种能消除无实际意义特征词对特征抽取质量干扰的改进型skew后缀数组排序算法，减少了聚类算法对中小规模文档集进行聚类分析的处理时间；第四、基于Nutch，利用Rlingo实现了一个面向旅游的聚类系统，系统性能基本达到预期效果。最后，本文设置了对照实验，比较了Rlingo、Lingo、K-means和STC的综合性能。实验表明：Rlingo聚类算法对中小文档集的聚类结果明显优于其他三种聚类算法，改进的聚类算法基本达到预期效果。