为了降低中文文本相似度计算方法的时间消耗、提高文本聚类的准确率，提出了一种PST_LDA（词性标注潜在狄利克雷模型）中文文本相似度计算方法。首先，对文本中的名词、动词和其他词进行词性标注；然后，分别对名词、动词和其他词建立相应的LDA主题模型；最后，按照一定的权重比例综合这三个主题模型，计算文本之间的相似度。由于考虑了不同词性的词集对文本相似度计算的贡献差异，利用文本的语义信息提高了文本聚类准确率。将分离后的三个词集的LDA建模过程并行化，减少建模的时间消耗，提高文本聚类速度。在TanCorp-12数据集分别用LDA和PST_LDA方法进行中文文本相似度计算模拟实验。实验结果显示，PST_LDA方法不仅减少了建模时间消耗，同时在聚类准确率上有一定的提高。