随着网络信息的爆炸式增长,搜索引擎日益成为信息时代不可或缺的工具。当前主流的搜索引擎主要是以与用户搜索的相关度来排序返回搜索结果的,用户往往需要花费较长的时间从结果列表中选择所需的文档。采用网页聚类技术对搜索引擎返回的标题和摘要信息进行聚类已成为目前学术研究的热点。通过这种技术,可以把搜索结果按照一定的标准进行分组,从而方便用户定位自己感兴趣的信息。我们在本文里提出了一个新的数据表示模型——有向概率图,利用该模型无须比较两两文档即可非常容易地识别文档之间的共享短语;基于该模型的聚类算法根据文档间的共享短语进行快速聚类,同时对于聚类结果的每个簇赋予有意义的短语标签。该算法不需要计算两两文档之间的相似度,因而大大提高了聚类效率;它采用短语作为最终聚类结果的标签,提高了聚类的可读性;它避免了中文网页聚类的分词步骤,因而该算法不仅适用于英文等西方语言,而且也适用于中文等东方语言。在此基础上我们实现了一个高效的网页聚类原型系统:ETOC (Efficient Token-based Online Clustering)。实验测试结果表明,该算法具有聚类速度快、聚类结果可读性好、聚类准确度高等优点,非常适用于高效的网页在线聚类。