文档作为一种重要的大数据类型，蕴含着丰富的有价值的数据，其具有非结构化、样式不固定、数据混杂、价值稀疏等特征。针对文档大数据的特点，提出了一种基于MapReduce的文档大数据挖掘方法，对文档大数据挖掘的平台框架、文档大数据预处理方法、文档大数据并行挖掘算法等内容进行了研究，其主要研究工作包括：　　1.设计了一种基于MapReduce的文档大数据挖掘平台框架。　　该框架主要由分布式数据存储、数据抽取、并行数据挖掘、用户接口四个子系统组成。分布式数据存储子系统负责文档的分布式存储；数据抽取子系统负责对文档进行数据抽取并将抽取得到的结果组织成结构化数据；并行数据挖掘子系统负责对存储的结构化数据进行数据挖掘；用户接口子系统负责与用户的交互操作。　　2.提出了一种面向非结构化表格文档的数据抽取方法与组织模型。　　针对现有抽取方法不能适应多值属性且灵活性不高的问题，在分析非结构化表格文档结构特征和数据流特征的基础上，提出了一种基于规则的数据抽取方法，并将数据抽取结果组织为适合于MapReduce并行编程模型分析的结构化数据模型。　　3.实现了基于MapReduce的文档大数据并行挖掘算法。　　针对K-Means算法依赖于初始聚类中心和孤立点敏感的问题，提出了一种基于密度的DBK-Means算法并基于MapReduce将其并行化。针对C4.5算法过度拟合和可扩展性差的问题，提出了一种基于Bagging技术的BBC4.5算法并基于MapReduce将其并行化。　　最后，结合职称评审文档数据，开发了一个基于MapReduce的文档大数据挖掘平台原型系统，对数据抽取方法和并行算法进行了详细测评。