目前随着网络信息的爆炸式增长以及信息多元化的发展,快速有效地获取所需的信息变得越来越困难,通用搜索引擎已不能适应用户对信息检索的准确性要求,消除搜索引擎结果中的冗余信息正成为研究热点之一。聚类技术是消解搜索引擎结果中冗余信息的关键技术之一,对于提供搜索结果的关联性和搜索信息的有效性起着至关重要的作用。本文作者的主要研究工作概述如下：1)分析了搜索引擎的发展现状和当前消解冗余信息的不足之处,通过构建消解搜索引擎结果中冗余信息的技术框架,研究了消解冗余信息的方法。2)设计和实现了关于搜索引擎结果信息的分词处理,特征提取和消解冗余信息的处理流程。其中,分词处理采用改进的正向最大匹配切分(MM)算法并进行歧义校正,特征提取采用向量空间模型进行特征词表示。3)针对基于中心点的K-Means聚类算法的不足,提出了改进算法,并结合搜索引擎评价标准对该改进算法的效果进行了评价。实验表明,改进后的算法可以有效地改善聚类的性能,提高冗余消解的效率。本文研究和实践的消解搜索引擎结果冗余信息的算法,技术路线及其实现过程在提高搜索引擎反馈信息的准确性和查询效率方面具有很好的可借鉴性。