信息数据量的日益膨胀给数据处理带来了一定的挑战,据统计约70%的网络信息是以文本形式显现的。然而,此类信息数量很多而且杂乱,聚类技术能够在一定程度上对这些信息进行重新分类和组织。文本聚类是数据挖掘领域的一项重要技术,主要的依据假设是：相同类文档的相似度较大,而不同类文档的相似度较小。同时,很多邮件和微博等内容大多以小文本的形式存在,其信息量大且更新速度较快。如何高效准确地处理小文本聚类变得至关重要。由于小文本相对于通常的文本所包含的信息量较少,大多数词并非能够完全表征小文本的特点,因而导致直接采用传统文本的自然语言处理技术来处理小文本效果欠佳。如何获取小文本的特征,并基于此进行聚类成为越来越受关注的课题。本文研究了小文本聚类问题,介绍了针对邮件小文本的聚类方法。首先介绍了小文本标准化思想构造特征词集来降低小文本的高维度；其次提出了EJaccard衡量小文本的内部聚合度；再次对k-means聚类算法进行了改进,先采用简单直观的层次聚类算法,解决了对原始信息依赖性问题,又对层次聚类进行了改进,通过控制给定阈值进而自动控制簇的数值；最后针对Email小文本数据,提出了局部聚类算法,有效的解决了小文本中不同内容的划分问题,同时提出了全局聚类算法,主要解决的关键问题是使得一个讲述两个以上内容的Email小文本能够被聚类到不同的簇中。针对Email小文本数据集,本文对局部聚类和全局聚类方法的实验结果加以分析,提出的方法可以有效地增大聚类结果局部和全局的差异性,从而改善了小文本的聚类效果。