随着Internet的飞速发展,搜索引擎成为人们在网络中频繁使用的工具。然而,随着网络中信息的急剧增加,传统集中式搜索引擎已经越来越不能满足人们高速增长的搜索需求。如何在现有的网络中提供高效率、高质量的搜索服务成为研究的热点问题。P2P搜索在P2P技术广泛应用的背景下应运而生。结构化P2P网络以其高效路由性能,在应用于搜索时能提供快速的响应时间,适合作为P2P搜索的网络拓扑。但是,在基于DHT的P2P网络中,内容相似的文档,其数据标识通过一致性哈希散列,均匀随机分布在节点空间中,不利于复杂查询的进行。为了实现高效的复杂查询,一种解决方案是实现文档的聚类。目前,常见的文本聚类都是基于文档内容的,通常需要获得全局的文档信息。这种聚类方式应用于P2P环境有一定的困难,而且形成的簇是不确定的,也无法体现用户的查询需求,缺乏灵活性。本文提出QBC算法,利用历史查询向量集作为聚类依据,在结构化P2P网络中实现了基于查询的文档聚类。QBC算法由拉模式和推模式组成,拉模式以历史查询向量集为依据,以主动的方式向网络中的其它节点发送请求拉取文档数据以形成节点上的文档聚类,推模式采用向量空间模型描述节点文档集,对于不利于基于查询聚类的文档进行再次分发,推送到合理的节点上,实现远端节点上的文档聚类。为了验证算法的有效性,本文进行了多关键词查询仿真,在查询过程中访问节点的数目、查询结果中文档数目以及网络消息数目几个方面对倒排表求交集方法和QBC算法进行对比。实验结果表明,QBC算法以较小的查全率下降为代价,减少了在多关键词查询的过程中访问节点的数目,进而缩短了查询响应时间,并减少了网络消息流量。