聚類分析也稱群分析或點群分析，它是研究多要素事物分類問題的數量方法，是一種新興的多元統計方法，是當代分類學與多元分析的結合。其基本原理是，根據樣本自身的屬性，用數學方法按照某種相似性或差異性指標，定量地確定樣本之間的親疏關係，並按這種親疏關係程度對樣本進行聚類。

聚類分析方法的特徵

（1）、聚類分析簡單、直觀。

（2）、聚類分析主要應用於探索性的研究，其分析的結果可以提供多個可能的解，選擇最終的解需要研究者的主觀判斷和後續的分析。

（3）、不管實際資料中是否真正存在不同的類別，利用聚類分析都能得到分成若干類別的解。

（5）、研究者在使用聚類分析時應特別注意可能影響結果的各個因素。

（6）、異常值和特殊的變數對聚類有較大影響，當分類變數的測量尺度不一致時，需要事先做標準化處理。

在聚類分析中，常用的聚類要素的資料處理方法有如下幾種：

①、總和標準化

②、標準差標準化

④、極差的標準化

經過這種標準化所得的新資料，各要素的極大值為1，極小值為0，其餘的數值均在0與1之間。距離是事物之間差異性的測度，差異性越大，則相似性越小，所以距離是系統聚類分析的依據和基礎。

系統聚類方法的步驟

（1）、對資料進行變換處理；（不是必須的，當數量級相差很大或指標變數具有不同單位時是必要的）

（2）、構造n個類，每個類只包含一個樣本； 

（3）、計算n個樣本兩兩間的距離； 

（4）、合併距離最近的兩類為一新類；

（5）、計算新類與當前各類的距離，若類的個數等於1，轉到6；否則回4； 

（6）、畫聚類圖；

（7）、決定類的個數，從而得出分類結果。

NLPIR大資料語義智慧分析平臺主要有精準採集、文件轉化、新詞發現、批次分詞、語言統計、文字聚類、文字分類、摘要實體、智慧過濾、情感分析、文件去重、全文檢索、編碼轉換等十餘項功能模組，平臺提供了客戶端工具，雲服務與二次開發介面等多種產品使用形式。各個中介軟體API可以無縫地融合到客戶的各類複雜應用系統之中，可相容Windows，Linux， Android，Maemo5, FreeBSD等不同作業系統平臺，可以供Java，Python，C，C#等各類開發語言使用。

大資料文字聚類能夠對大資料文件進行自動梳理，歸納熱點趨勢，把內容相近的資訊歸為一類，按照熱度進行排名，並自動為該類生成標題和主題詞。適用於自動生成熱點排行、熱門事件識別、熱點趨勢發現等諸多應用。