目前，大多数搜索引擎以线性列表的形式为用户返回搜索结果，而搜索结果往往数以万计，这就使得用户可能需要花费很长时间才能找到自己需要的结果。如果能够将搜索结果按照不同的主题进行聚类，并且赋予每个类别一个具有良好描述性的标签，那么将会大大减少用户查找信息所需的时间，提高信息获取的效率。 然而，传统的文本聚类方法并不太适用于搜索结果聚类，本文中提出的算法都是首先提取文档集合中具有描述主题能力的短语，然后将文档根据短语划分到不同的簇集中，并使用短语作为簇集的描述标签。这种方法不仅能够取得比较好的聚类效果，并且生成的标签可读性高，有利于用户查找需要的信息。 论文的工作包括几个方面：(1)对后缀树搜索结果聚类算法进行改进，根据短语的TFIDF属性和独立性提出了一种新的公共短语评分方法。通过将这两个属性结合，能够找到更加合理的公共短语，从而提高了聚类的准确度；(2)在原有研究的基础上，提出了基于非负矩阵分解的搜索结果聚类算法。由于该算法考虑了文档数据的非负性，因此抽取的短语按更能反映样本的局部特征，因而更接近人们的认知习惯，并且具有很高的可解释性和预测性；(3)研究了搜索结果聚类的实现技术，以Eclipse为平台，设计与实现了原型系统；(4)在原型系统的基础上，对文中提出的算法进行大量的比较实验，并对实验结果进行了分析与总结。