随着信息技术的发展,知识管理在企事业单位发展中的作用越来越大。文本案例知识管理已成为企业的核心竞争力量,它主要对非结构化的文本案例进行管理。文本案例知识库的构建是实现文本案例知识管理的重要前提。针对当前文本案例管理系统、文本案例知识库模型及文本案例聚类算法存在的不足,本文在文本案例知识库模型和文本案例聚类算法方面做了深入研究。本文主要工作体现在以下几个方面：1)提出文本案例知识库的层次模型。文本案例知识库的层次模型自底向上依次是领域知识层、文本案例实体层和文本案例抽象层,三个层次相互独立且相互联系,支持基于文本案例推理。2)提出文本案例知识库和规则库的融合方法。完成领域规则到文本案例的相互转化,进而实现领域规则对基于文本案例推理的支撑作用。其中,从文本案例中抽取领域规则需要专家辅助完成。3)提出了基于密度和最近邻的K-means文本案例聚类算法,即DN-K-means算法。针对传统K-means算法初始聚类中心选择不当会带来聚类效率低且稳定性差的缺点,本文引入密度和最近邻思想,提出初始中心选择算法Initial,并将所选中心点应用于文本案例聚类算法,得到更适合于文本案例聚类的DN-K-means算法。实验证明DN-K-means算法可以生成聚类质量较高、稳定性较好的结果。4)设计并实现文本案例知识库系统TCKBS,验证了本文所提出的文本案例知识库模型理论、文本案例知识库与规则库的融合方法和DN-K-means文本案例聚类算法,并对TCKBS系统主要功能模块进行了说明。