随着网络信息技术的发展、Internet应用的逐渐普及,WWW已经成为一个巨大的信息存储、发布空间。但由于其数据的无结构化、无索引、异构性的特点,使得人们很难充分利用其丰富的信息。怎样在浩如烟海的信息中找出自己真正感兴趣的话题,就必须进行WEB文本挖掘,WEB文本挖掘成了数据挖掘的一个很有前途的研究方向。本文以甘肃省自然科学基金“面向行业主题层次聚类搜索引擎的实现”的研发为背景,实现了面向人名的聚类搜索引擎,重点研究了聚类搜索引擎的WEB文本分类聚类技术。在研究过程中,本文在充分学习研究前人工作的基础上,结合IR(Internet Retrival)和信息抽取及数据挖掘的相关知识,提出了补偿式信息抽取的主题文本分类算法,实现了面向人名的聚类搜索引擎的WEB文本挖掘的过程。与Vivisimo相比,由于这是一种针对面向行业领域的应用,其分类聚类的效果非常好,实践证明这是一种行之有效的方法。