预处理
    分词、去停顿词、词干提取
    统计各文本预处理后的词数，根据文档词数的分布，筛选出单词数在【1000，8000】内的文档

特征工程
    向量空间模型（VSM）
    TF-IDF
    
特征降维
    单词贡献度（TC）
    主成分提取（PCA）
    
聚类算法
    k-medians（k-中值）
    DBSCAN

评价指标
    轮廓系数
    CH得分
    F值
    纯度
    
可视化
    将聚类结果映射到二维平面进行展示

可优化的地方：
    特征提取word2vet
    使用神经网络进行聚类