随着Internet的飞速发展,对网页文本数据的组织和检索技术,已成为当今国际上研究热点之一。文本聚类作为一种对大规模文本信息进行有效组织、导航、检索和概括汇总的基础、关键技术而日益受到关注,其主要目的是以无监督指导的方式根据文本的内在关系将内容近似的文本分成不同的类。文本聚类技术和网络搜索引擎服务相结合,已经成为文本挖掘领域的一个热点研究课题。但是,把文本聚类技术应用于中文Web文档,与中文搜索引擎服务相结合的研究仍然比较匮乏。针对这一实际问题,根据四川省科技厅青年软件创新课题“基于Web的数据挖掘服务系统-MinerOnWeb”,对中文Web文档的文本聚类技术进行研究。本课题的核心研究之一——基于短语匹配的中文Web文档聚类方法,是为了弥补传统的文本表示模型应用于中文文档不足而发展出来的一种新方法。传统的中文文本聚类方法需要对高维向量进行处理,有对中文文本需要进行分词处理等困难。本文提出的一种新的文本聚类方法,采用一种称为文档索引图的结构来构建中文文本表示模型。在这种模型之上,可以利用文本当中任意匹配的短语来定义文本之间的近似程度,避免了对中文文本进行分词以及处理高维向量等问题。再利用增量的聚类算法,可以将文本按照主题进行聚类处理,将主题相近的文档聚合在一起。本课题实现了基于短语匹配的中文Web文档聚类方法,并将其作为中文搜索引擎结果聚类子系统实现于MinerOnWeb系统中。MinerOnWeb系统是一个基于Web应用的数据挖掘服务系统,提供多种在线的数据挖掘服务。利用我们的中文搜索引擎结果聚类子系统,可以对中文搜索引擎返回的搜索结果进行聚类处理,并将搜索结果按主题进行展示。