目前,现有的搜索引擎虽然采用各种方法来提高检索结果的精度,但相关文档和不相关文档仍然相互混杂,给用户带来了负担。将搜索引擎返回结果进行聚类,将其分成若干个簇,同一簇内文档相关度尽可能的大,不同簇间文档相关度尽可能的小,这样将大大缩小用户所需浏览的结果数量,从而缩短用户查询所需要的时间。首先,本文在特征项的抽取过程中,在短语层次上采用词典识别与统计方法相结合的方式,这样既可以识别常用词汇,又可以识别专业术语、缩略语、临时用语、新出现的用语等等往往不会在词典之中的词汇。对索引结构进行改进,文档的顺序表与倒排表共同作为索引,以使其更加适应对搜索引擎返回结果的聚类。其次,给出一个快速聚类算法HPMC。在此方法中首先计算返回结果之间的相似性,然后使用层次聚类法产生初始种子点,利用k-means与Single pass相结合的算法进行聚类形成基类,通过合并基类最终得到聚类结果。最后,对HPMC算法从时间复杂度、空间复杂度、聚类质量、聚类数目的形成、对孤立点的敏感程度等几个指标做了评估,并与已有的算法进行了比较。