网页是互联网中信息存在的主要形式，人们通过网页发布和查询信息。而随着信息时代的日益变迁，网页的数量呈现了爆炸式的增长。在数以亿计的网页中，如何才能更加有效的挖掘知识？如何才能快速的辨别垃圾信息？如何才能更加从容地对数据归类？数据挖掘是处理这些问题的有力工具，而网页聚类则是其中的一种手段。通过聚类，能够无监督或半监督的对网页进行基于语义的划分。网页聚类的实际应用很广，它能够应用到很多实际问题当中。搜索引擎能够通过网页聚类，为用户提供更多的相关信息。对搜索引擎结果进行聚类，能够为用户提供搜索结果的导航，用户能够根据聚类标签，直接定位到自己期望的内容。网页聚类还能区分垃圾网页等等。因此，网页聚类一直以来都是数据挖掘中的一个研究重点，但是还有很多问题值得我们继续研究。可以将网页聚类问题划分为多个子问题，即网页的去噪、内容的提取、相似度的定义、降维、聚类算法的应用、类别数目的确定、聚类标签的生成等。对于上述的每个子问题，都经过了前人的研究，但仍然存在改进的空间。本文针对网页聚类问题中的聚类算法的应用进行了研究，将Multiclass谱聚类算法应用到了网页聚类和网页结果聚类中。并实现了能对搜索结果聚类的网页搜索引擎，该搜索引擎系统中集成了多重聚类方式，集成了Multiclass谱聚类算法和Normalized Cuts算法等聚类算法。基于谱聚类的网页聚类方法虽然能够获得良好的聚类效果，但算法中使用了一个N*N维（其中N是聚类对象的个数）的矩阵来表示聚类对象之间的相似关系。随着聚类对象数目的增多，该矩阵的大小增长更快，导致内存无法存储该矩阵，从而使得谱聚类方法失去可扩展性。因此本文研究了增强谱聚类的扩展性的方法，提出了使用Hadoop平台中的MapReduce机制扩展Normalized Cuts算法的方法，并实现了基于Hadoop平台的网页聚类方法，这种方法具有可扩展性，能并行的执行，从而解决了单台机器不能将整个相似性矩阵存储在内存中的问题。