本文提出的AR-Grams的文本聚类方法，具有语言无关性、高准确率、低召回率、聚类精度和速度易于调控等特点，相较于常规聚类方法，省却了烦琐的特征提取等操作，同时也避免了DR-Grams聚类可能导致的将毫不相干的文档聚到一个类中的缺陷，从而提高了低阈值下的准确率，因而也提高了F-score，相应地也提高了聚类的正确覆盖率。这使得AR-Grams能在更广的阈值范围内应用于网络话题检测或者网络热点识别等场合。不过，在极低阈值时的聚类效果仍有待进行更为深入的研究。
