随着互联网的不断发展和日益普及，网络上的信息量在爆炸性增长，于是搜索引擎成为人们从海量信息中获取所需信息的必要工具。但是，传统搜索引擎自身存在的不足限制了人们对信息的获取。首先，单个搜索引擎的覆盖率较低，许多有用信息检索不到。其次，传统搜索引擎以线性列表的方式把搜索结果返回给用户，使得相关信息和无关信息混杂在一起，用户必须逐条浏览以找到自己需要的结果。因此，如何提高搜索引擎的覆盖率以及对搜索结果进行有效地组织成为目前研究的热点。　　 本文通过对元搜索引擎结果进行聚类，解决了传统搜索引擎的不足，并设计实现了一个元搜索引擎结果聚类系统CMSE(Clustering Meta Search Engine)。本文的主要工作如下:　　 1.调研搜索引擎及聚类的相关知识和技术，包括检索模型、聚类算法和TFIDF等。　　 2.针对当前元搜索引擎方法在搜索结果去重时忽略了文本内容和排序时所采用的位置排序法不合理等不足，本文提出了基于URL、标题和摘要的去重方法和改进的位置排序法。基于URL、标题和摘要的Web文档去重方法综合考虑这三方面的因素来判断Web文档是否重复，相对其他方法加入了文本内容的判断，准确率更高。而改进的位置排序法则对多个成员搜索引擎返回结果的位置权重进行重新计算，对重复Web文档进行权重叠加，形成最终的排序结果。　　 3.针对现有聚类算法所采用的向量空间模型在计算Web文档相似度时存在高维稀疏问题，并且忽略了词项之间的语义相似度，本文采用WordNet对标题和摘要的空间向量中的词项进行相似度计算，去除同义词以降低空间向量的维数，进而降低计算的时间复杂度。再通过标题和摘要之间的相似度计算得到Web文档的相似度，从而对其进行聚类。　　 4.在理论研究的基础上，本文设计并实现了一个元搜索引擎结果聚类系统CMSE。该系统包括搜索请求分配模块、搜索结果整合模块、特征向量生成模块和结果聚类模块。实验表明该系统具有较好的聚类效果。