随着社会信息化程度的提高，人们越来越多地依靠将搜索引擎作为中介去获取Web上的资源。因此，搜索引擎在Web资源检索时所起的作用越来越重要。通过在搜索引擎模块设计中大量采用新近出现的技术、思想，使之具有越来越高的智能性，极大地提高了召回率和准确率，在一定程度上提高了Web信息检索效率。但目前绝大多数搜索引擎在显示结果时，广泛采用按照和检索词的相关程度对搜索结果项进行网页排序后显示出来。用户还要进行再一次地检索后才能找到自己感兴趣的结果项，返回的结果项越多，用户也就越难发现自己所想要的那一部分信息。随着Web上信息量越来越多，这种传统的搜索结果显示方式所暴露出来的缺陷也越来越明显，严重制约着Web资源检索的效率。 为克服这种显示方式的不足，在假定现有的搜索引擎具有足够强大的检索能力的前提下，可以应用属于检索后文档可视化技术之一的搜索结果聚类技术对原始搜索结果进行聚类，将冗长的搜索结果列表转化成简洁而易理解的若干个组后，再显示出来。用户在很短的时间内就可对搜索结果有一个整体了解，轻松忽略掉那些不感兴趣的组而快速地定位到自己感兴趣的组，避免了用户被搜索结果“淹没” 现象的发生，切实提高Web资源检索效率。 该文通过分析较适合运用在Web搜索结果聚类领域的两个具有代表性的算法——后缀树聚类算法和基于奇异值分解的LINGO算法，举了一个简单实例，分别演示了这两个算法的完整处理过程。最后，在参考Carrot2框架基础上，采用目前较占主流地位并提供Web服务API的Google和Yahoo！两大搜索引擎作为上述两个算法的数据源接口，设计了一个Web搜索结果聚类系统。通过在Web环境下得到的实验数据，对上述两个算法进行对比分析，总结出各自的优缺点，然后指出了将来对Web搜索结果聚类问题的一些研究方向。