近年来,随着社交平台的快速发展,数据增长迅速;如何利用这些海量的数据,挖掘有用的情感信息,对海量的文本数据进行情感分类成为研究热点。传统的方法是在单机上实现分类算法来提取有价值的情感信息,但是它的缺点是不仅需要大量的执行时间,而且在单机环境下不能满足日益增长的数据处理需求。云计算的出现和发展为解决海量数据下的情感分类任务提供了新的方法,弥补传统单机计算上的不足,满足海量数据处理的需求。本文基于Spark平台对文本情感分析问题进行研究,对传统的文本情感分析算法中的朴素贝叶斯方法进行改进,旨在提高文本分类算法的效率和精确度。本文的主要内容有:(1)改进了朴素贝叶斯算法。本文分析了传统的朴素贝叶斯分类算法,总结出该算法的优势和不足,研究了朴素贝叶斯条件属性独立性假设的影响。然后提出了基于欧氏距离的加权朴素贝叶斯分类算法,利用欧氏距离对属性加权,对分类算法进行改进。(2)并行了朴素贝叶斯算法。在搭建好的云计算平台Spark集群环境之上,对算法进行并行化实现。实验结果表明,改进后的基于Spark云计算平台的朴素贝叶斯算法能够有效的提高算法的分类效率,大大减少训练的执行时间,并且在一定程度上比传统算法提高了准确率。