互联网技术的迅速发展促使现代社会进入到了“网络化社会”的时代。每天互联网上都会产生海量的数据,而以文本数据为代表的以半结构化或非结构化的形式产生和存储的数据占了其中绝大部分。如何科学有效的对这些文本数据进行处理、分析,进而获取其中有价值的信息成为了各大公司和组织亟待解决的问题。为此业界从不同方向进行了探索,其中使用OLAP (联机分析处理)操作对其进行分析挖掘是其中一种可行的研究方向。常规的数据立方体是构建在结构化数据之上的,难以有效的支持非结构化的数据。因此对非结构化数据的立方体构建方法进行研究是具有十分重要意义的。本文以对海量短文本热门主题的分析挖掘任务为研究背景,提出了一种构建文本立方体的方案。该方案在文本立方体的维度获取和度量计算两方面进行了研究：1、结合分布式聚类方法生成文本的主题,进而获得非结构化数据集的主题维度,该方法大大简少了文本立方体维度构建的人工成本。2、提出了一种基于文本TFIDF值的事实表度量单元计算方法,从而允许在文本立方体中应用常规的OLAP计算函数对文本集的主题热度进行度量,无需定义新的度量方法。针对本应用中文本数据集巨大,预处理过程复杂,单机处理效率低下的特点,本文设计并实现了一套基于MapReduce分布式并行计算框架下的预处理方案。实验结果表明,该方法具有较强的实用性和可扩展性,它能够高效的为大规模文本数据集构建立方体模型,在构建的文本立方体上使用OLAP操作进行分析能够有效的挖掘文本数据集中所包含的热门信息,大大提高了文本数据分析挖掘的效率