信息数据在现代生产和生活中越来越重要。数据仓库被大型企业及政府广泛用于存储和处理大规模数据。OLAP联机分析处理成为数据仓库处理数据的一种有力工具。OLAP技术能够对数据在不同维度上进行观察分析,为企业及政府等提供分析历史数据和预测未来趋势的功能。信息数据可大体分为结构化数据和非结构化数据。对于结构化数据,传统的数据处理方法比如关系型数据库已能够相当有效地分析处理。非结构化文本数据爆炸性地增长,常见的来源于Web页面,企业和政府业务积累的客户反馈等,其潜在的信息价值不亚于结构化数据,却没有相应有效的分析处理方法。如果能够将OLAP技术应用于分析非结构化文本数据,那么这种文本OLAP对非结构化文本数据的处理将变得直观有效。当前一些研究成果比如TextCube、Topic Cube等已在这个方向上做出贡献。它们也具有不同的原理和特性,有的归类为信息检索,有的是文本挖掘,有的是信息抽取。本文在研究现有文本OLAP成果基础上,在维度获取和度量计算两方面对文本OLAP进行了改进。本文利用工具将文本转换为语义网络这种中间形式,提出了用语义网络表示的语义维,用带权值语义网络表示的度量,以及语义维度成员搜集和维度树建立的辅助方法。本文还提出了一种语义网络相似度计算方法,以及使用带权值语义网络计算度量的方法。前者用来将原始文本映射到语义维成员,并为度量的典型应用提供支持；后者用来解决基础单元格度量生成及单元格度量合并的计算问题。本文提高了文本OLAP分析文本的准确度,减少了人工搜集文本维度值和建立维度树的工作量,使度量的表示及应用更加准确高效。