随着互联网的迅猛发展，Web已经成为世界上最大的信息资源，各种不同的应用都在使用Web信息资源。搜索引擎是目前信息检索最常用的工具，它会根据用户给出的关键词搜索出与关键词相关的信息。然而，搜索引擎目前的技术还不能完全满足使用者的需求，面对用户给出的简短的关键词，其返回结果往往精度比较低。而将搜索的结果作适当聚类会很好地帮助用户搜索Web信息。 搜索结果聚类与传统的文本聚类不同，它将聚类看成一个文档分配和标签选择的过程。待聚类的搜索结果按主题的不同归入不同的类，每个类由一个标签来表征。标签作为聚类的一种描述和解释，在一定程度上反映了该类的主题。对搜索结果进行聚类可以在三个方面帮助用户：一、更容易在搜索结果中浏览与查找：二、更容易以合适的关键词来细化搜索；三、使每次搜索结果得到充分的展示与利用。 在本文中，我们将命名实体运用到了搜索结果聚类中。命名实体作为文本中的基本信息元素，具有一定的实际意义，其表征主题的能力比一般词语更强，也更具可读性。本文主要工作如下： 1、实现了一个基于隐马尔可夫模型的命名实体识别系统，并结合相应特征对模型进行调整，实验证明达到了理想的效果； 2、提出了一种基于命名实体的搜索结果聚类方法。以搜索结果文档中存在的命名实体作为聚类的标签，经过一定的标签选择和聚类合并策略，形成最终的聚类结果，在保证聚类质量的基础上提高了聚类标签的可读性； 3、将命名实体运用到描述优先算法中，针对2中方法存在的不足，将算法进行改进。首先进行候选标签的提取，然后应用潜在语义分析技术来提取文档集合中的抽象概念，经过标签匹配和内容分配，形成最终的层次聚类结果。 实验和分析表明将命名实体应用到搜索结果聚类是一种可行的思路。