本发明涉及机器学习技术领域，提出一种基于birch聚类的海量文本聚类方法。针对海量文本的处理，使用改进的birch聚类算法建立哈希聚类特征树CF Tree，当初始CF Tree构建完成后，通过提升阈值T来重建CF树以吸收更多的异常样本值，直到异常值磁盘不再溢出；在对文本进行切词和去停用词的基础上，使用加权技术TF‑IDF计算关键词权重，并选取其中权重值较大的部分作为文本特征通过局部敏感哈希算法进行特征的降维，去除了文本中复杂的冗余信息，提取了能代表文本的关键信息，降低了文本特征的维度，提升了聚类的速度；采用了启发式的阈值提升模式，使得算法更好的适应不同文本的需求，降低人为设置超参数导致的聚类效果较差情况发生的概率。