文本聚类是数据挖掘和信息检索领域的一个重要研究方向。随着网络上堆积的数据日益庞大,且大部分数据以文本形式存储,人们对从大量文本中获取信息的需求越来越高。文本聚类方法具有无监督的学习能力,可由计算机自动进行,通过比较文本的相似性,发现文本内在特征及分布规律,它既可对web文档进行有效地组织,还可形成分类模板用来指导web文档分类,以便检索和阅读,所以对文本聚类技术的研究就显得尤为重要。近年来,人们受自然界中蚂蚁堆积尸体等现象的启发,提出了基于蚁群的聚类算法(Ant-colony Text Cluster Algorithm)。蚁群聚类算法与文本聚类技术的结合形成了基于蚁群的文本聚类算法,该算法具有良好的扩充性、并行计算和正反馈,不必预设聚类中心数目,实现自组织聚类过程,具有健壮性、可视化等优点,但仍存在不足。本文将禁忌算法的思想引进蚁群聚类算法中,提出了蚁群禁忌融合的文本聚类算法ATTCA(Ant-Tabu Text Cluster Algorithm)。在蚁群算法生成初始解后,禁忌搜索算法在初始解的基础上进行局部搜索,这样既克服了蚁群算法易陷入局部最优的缺点,同时也克服了禁忌搜索算法对初始解的依赖性,实现二者优势互补。实验结果表明,改进后的算法较基于蚁群的文本聚类算法具有更高的准确率。