词聚类就是对一些纷繁的个别词应用某种方法进行分组形成语义相近或相关的词类(或词聚簇)。它在智能检索、文本分类、词义排歧、机器翻译等领域都有广泛的应用,是语言学和自然语言处理中十分重要的研究课题之一。　　 在词聚类技术中,采用什么样的词语相似度计算方法以及如何对词语聚类,往往决定了词聚类效果的好坏。传统基于互信息的词聚类方法由于简单、易于实现等特点,被应用在了基于上下文的机器自动聚类中。该方法存在两个问题:　　 (1)未考虑词对的不同分布所造成的词语关联强度差异；　　 (2)虚假关联问题,即有些实际较强的关联关系计算结果较弱,反之某些实际较弱的关联关系计算结果较强,这与实际情况不符。　　 本文针对传统基于互信息的词聚类方法存在的以上两个问题,围绕如何计算词语相似度及选用合适的词聚类算法开展了研究工作:　　 首先,本文提出了一种基于关联分布的词语相似度计算方法。该方法用词语关联分布规范化因子对传统互信息度量待聚类词和基词关联度的方法进行了修正,即用关联的累积分布函数更准确的度量其关联度；然后由所得关联度构造待聚类词的属性向量；最后由属性向量利用夹角余弦法计算出待聚类词语相似度。实验结果表明,新方法比传统方法有更好的词语相似度计算效果。　　 其次,实现了基于关联分布相似度的词语聚类算法。该算法以基于关联分布的词语相似度计算方法所得待聚类词语相似度为基础,利用仿射传播聚类算法,将词对相似度转换为矩阵形式作为输入,在算法开始时将所有的待聚类词语都视为潜在的聚类中心,算法通过迭代循环不断进行消息传递,以产生一些高质量的词聚类代表,然后将各词分配给最近的词聚类代表所属的类,则找到的聚类即是词聚类结果。实验结果表明,该算法能够较准确地进行中文词语聚类。