在网络应用服务发展的今天,信息获取已成为网民使用Internet的主要目的之一。由于传统搜索引擎存在不足及自身的局限性,限制了人们对资源的获取。为提高用户查询信息的覆盖面和检索结果的准确性,一种建立在搜索引擎之上的元搜索引擎成为目前研究与开发的热点。但现存的大多数元搜索引擎以线性列表的方式为用户返回检索结果,其规模仍相当庞大,这使得用户可能用很多时间才能找到自己需要的结果。产生上述问题的主要原因是没有对检索结果进行分类处理和按照人们的查询习惯及检索经验进行再组织。因此,对检索结果进行聚类处理成为提高用户查找速度和快速定位所需信息的一个有效解决方案。本文通过对元搜索引擎技术和数据挖掘技术研究的基础上,结合关联规则与聚类分析设计并实现了一个带聚类处理的元搜索引擎系统CMES(The Clustering Meta Search Engine),详细介绍了该系统的具体实现。通过建立搜索引擎参数库,实现了检索请求向目的搜索引擎查询指令的转换,并实现了对目的搜索引擎返回的结果页面相关内容的自动提取;将结果记录中的标题和摘要进行分词处理后提取主要关键词集,用于建立关联词矩阵以及基于布尔函数和TFIDF函数表示结果特征向量,并对这两种表示方法在不同聚类算法下进行对比测试与分析;分别以k-means和FCM算法为基础提出基于关联词矩阵的k-means(k-means_AWM)和FCM(FCM_AWM)结果聚类优化方案,并对它们进行对比测试与分析,选择其中较好者用于检索结果聚类;给出了系统的应用实例并对系统的性能进行了分析;最后对本文所做的工作进行了总结,并提出系统需要进一步完善的地方及下一步研究工作的方向。