文本分类是文本处理的一个重要的处理技术,同时也是自然语言的一个重要的研究领域。随着信息时代的到来,移动互联网的兴起,文本信息呈爆发式增长,信息量规模的增长和信息量复杂度的增强给自动分类算法和计算能力都带来了极大的挑战。其次在网络用户多标签的情况下,此类的文本的分类技术的研究并不是特别深入。本文将结合聚类分析。分类算法来研究多标签与分类标准之间的关系,旨在提高多标签分类算法的分类效果,通过结合分布式技术来解决海量文本的计算问题,最终部署一个可实施的多标签分类的实验系统。本文的主要工作有如下几点:1.本文分析了多标签文本的数据特点,研究了与传统分类相关的分类算法和数据处理技术,将会详细阐述文本分词,文本特征,文本聚类等文本处理技术。分析研究与多标签分类相关的技术应用,明确多标签分类的技术难点。2.本文设计了基于多标签的海量文本的分类模型。此模型在传统分类技术基础上,通过聚类分析来降低多标签文本的数据自由度,同时结合关键词提取技术来明确分类标准,最终提高了多标签分类的准确性。同时本文还设计了基于Map/Reduce的数据处理框架,大大的提升了多标签分类的运行时间效率。3.本文实现了基于分布式平台的多标签分类系统,利用分布式框架进行标签聚类和文本分类,成功将系统应用到某单位的文本分类项目中,有着良好的运算结果。