文本挖掘技术是计算机数据挖掘领域的关键技术之一。目前,文本挖掘技术在很多领域都取得了很大的发展,然而,由于公安系统的数据的保密性及其数据特有的复杂性,使得文本挖掘技术在公安信息领域发展缓慢。随着网络信息化的不断发展,公安信息部门获得的文本数据越来庞大,这使其迫切需要一种智能的方式来处理收集到的文本数据,因此面向公安的文本挖掘成为公安信息技术部门面临的一个重要课题。在公安文本数据挖掘方面,目前需要解决的问题在中文分词、文本聚类、文本分类等几个主要技术点上,本文在分析了公安文本挖掘的特点的前提下,主要围绕文本聚类这一技术点做了一下工作：研究了文本聚类算法。分析了常用的文本聚类算法,并根据这些算法的特点,指出其算法本身以及在公安文本聚类中的不足。研究了公安文本的结构特点。分析了公安文本的数据来源,及常用数据的结构特点,针对其本身的结构特点,提出满足文本聚类必须符合的条件。重点研究了神经网络在数据聚类中的运用。分析了SOM和GSOM两种模型,根据两者的优缺点提出了一种改进的神经网络模型,同时对新提出的神经网络模型进行了仿真聚类实验。实验证明,该模型在聚类算法上有较大的优势。最后,根据公安文本数据的特点,将新的神经网络模型运用于公安文本挖掘中,解决了公安文本挖掘中文本聚类这一课题。