随着计算机和互联网技术的发展,信息在网络上呈爆炸式的增长,搜索引擎已经成为人们获取信息最为重要的工具。然而,传统搜索引擎列表式的返回结果已经越来越不能满足用户的需要,因为人们不得不在长长的结果列表中再次搜寻,仍然摆脱不了信息过剩的危机。因此,如何让用户更加方便、快捷的通过搜索引擎找到所需信息,成为一个非常值得研究的课题。聚类搜索引擎的提出为解决此问题提供了新的思路。通过对搜索结果进行聚类分析,挖掘比较数据中的相似性和差异性,将同类数据整合到一起,以更合理的方式对返回结果进行组织展示,使得用户能够快速得找到所需信息,提升用户体验。本文在对搜索引擎技术以及数据挖掘领域进行研究的基础上,着重研究了聚类搜索引擎的设计思想、体系结构以及相关的信息处理技术和聚类算法。通过分析可行的解决方案,结合已有的搜索引擎技术设计了聚类搜索引擎框架。在Carrot2开源聚类工具的基础上二次开发,实现了部分关键功能模块,特别针对不提供API的搜索引擎开发了基于配置模板的下载模块,使系统更为通用。针对聚类搜索引擎用户最关心的效率和聚类效果问题,本文对基于矩阵分解的两种方法：SVD和NMF进行了对比试验,找出影响性能的因素及表现形式；另外,通过对比基于后缀树的聚类算法和基于矩阵分解的聚类算法在聚类簇集污染度、主题覆盖度以及摘要覆盖度三个指标上的差异,验证了基于矩阵分解的聚类算法在聚类效果上的优越。