在互联网快速发展的今天，面对海量的半结构或者非结构化的信息，如何进行快速高效的挖掘对人们有用的信息，成为研究人员迫切希望解决的问题。文本聚类是一种在没有分类指导情况下对文本文档自动分类标识的方法，但是，由于对语言理解和表示的困难，造成目前大多数聚类算法的性能和准确性都不高。本文针对以上问题，提出了一种基于图结构的文本表示模型-带权主题概念图（Weighted Subject Conceptual Graph，WSCG），有效的利用文档中词语之间的关联，以及文档中不同的结构对文档主题的支持度，将概念分为中心概念和外围概念，给出了基于WCSG结构的文档相似度计算方法。然后，本文在对现有聚类算法的研究的基础上，设计了基于WCSG概念图的文本聚类算法，使得在聚类过程中文档之间的关系计算更为准确。最后，在本文所作研究的基础上，设计并实现了文本聚类系统SemCluster。实验表明，基于WCSG的文本表示方法在文档的相似度计算和文本聚类中，与现有的方法相比具有较高的准确性，同时对文本聚类系统进行了测试，实验证明系统达到了设计要求。