文本信息挖掘是从非结构化的文本数据中获取有价值的信息的过程。文本信息挖掘作为数据挖掘的一个重要研究方向,目前已经被广泛应用于各行各业,政府和企业都利用文本信息挖掘的结果对决策的制定提供数据依据。专家信息作为政府决策和项目评审重要的参考信息,如何通过文本信息挖掘方法自动从互联网中进行挖掘存在着诸多研究的难点。基于大数据的文本信息挖掘机制针对专家信息的特点从互联网网站中挖掘出了专家的基本属性,并经过了数据清洗和专家推荐模型等一系列计算最终得到了较为精准的专家基本信息。主要研究内容包括,提出了文本信息抽取方法,将信息抽取分为了结构化信息抽取和非结构化信息抽取两部分,提高了信息抽取的精准度。针对结构化数据的特点,提出了结构化数据的对比方法,通过对结构化数据相似度的计算来对比结构化数据,为数据清洗提供了基础。提出了数据清洗和去冗余方法,根据对专家信息特点的分析,制定了数据清洗和去冗余的方法,提高了数据的质量。提出了专家推荐模型,将专家属性转换为带权有向图,通过在带权有向图上寻找最长路径得到最终的专家属性,该方法考虑了数据源的可靠性,解决了数据冲突问题,提高了专家属性的准确度和完整性。通过测试数据集的测试,结果表明了此种文本信息挖掘方法具有稳定的性能,对于不同的数据集都能达到一定的抽取准确率,且对于唯一值的属性抽取能够达到较高的精准度,其中对于有同名数据集的抽取精准度能达到85%。