半监督文档聚类，考虑到有限的监督数据将未标记文档分组为聚类，最近引起了人们的极大兴趣。 由于获取监管数据可能会很昂贵，因此获取最丰富的信息以提高群集性能非常重要。 本文提出了一种半监督文档聚类算法和一种主动选择信息性实例级约束以提高聚类性能的新方法。 半监督文档聚类算法是约束DBSCAN（Cons-DBSCAN）算法，该算法结合了实例级约束来指导DBSCAN中的聚类过程。 提出了一种主动学习方法来选择信息性文档对，以获得用户反馈。 实验结果表明，在给定相对较少的约束条件下，Cons-DBSCAN