据统计目前互联网上电子商务网站提供的商品总数达到10亿以上,而目前已有的购物搜索引擎对用户的查询只是按相关性返回大量的结果,并没有对众多的结果进行有效的组织和归类,所以用户无法从搜索引擎的返回结果中快速找到有效信息。因此如何使搜索引擎的返回结果对用户更加有价值的研究成为一个热点课题。由于网页聚类技术可以对搜索结果进行自动组织和分类,所以可以使用户更加直观和方便的找到所需要的信息。因此本文设计和实现了一个面向购物领域的聚类搜索引擎来解决目前购物搜索引擎存在的难题。本文完成的主要工作任务如下：1、在分析了本系统功能需求的前提下,设计了本系统的整体架构。然后深入研究了主题爬虫MetaSeeker工作流程、Lucene的检索原理和网页聚类技术等实现系统的相关技术。2、对K-Means算法进行优缺点分析。然后深入研究相似性传播算法(Affinity Propagation, AP算法),并针对该算法中的生成簇集的过程进行改进。最后通过实验分析K-Means、AP算法、改进的AP算法三者的运行时间、聚类效果、聚类纯度,实验证明改进的AP算法是最高效和最优的。3、在构建本系统的聚类模型的时候,根据本系统文本特征提出了一种适合本系统的相似度计算模型。4、实现了面向购物领域的聚类搜索引擎的整体开发,具体任务包括：首先用MetaSeeker主题爬虫采集数据源,然后在Lucene上实现本系统的索引、搜索和聚类三个模块,最后用PHP实现了用户查询接口。通过对本系统的搜索结果与目前的购物搜索引擎、聚类搜索引擎的搜索结果进行对比,证实了本系统在搜索和用户体验方面的优越性。同时对系统进行了大量的性能测试和分析,分析结果证明本系统达到了预期目标。