近现代以来,随着网络通信技术的不断发展,互联网也渐渐走进人们的生活。互联网上文本包括科技文献等信息的规模呈一个爆炸性指数增长的趋势。文本自动分类技术在文本分析处理领域也变得越来越重要。如何快速准确的对文本分类已成为一个十分重要的研究课题。由于传统文本分类方法在大数据量文本分类过程中出现分类效率低下及分类效果差的不足,本文提出了基于关键词的文本主题分类算法。通过特定算法获取文本主题关键词,根据主题关键词对文本进行分类,有效地提高了海量文本分类的准确度;通过在文本分类算法中引入并行化思想来提高海量文本分类的效率。本文的主要工作如下所示:1、研究了传统文本分类方法的现状及在大数据背景下出现的缺点和不足,介绍了基于关键词的文本主题分类算法的特点和优势,简要分析了文本分类方法中数据采集与存储、文本主题关键词选取和文本主题分类等相关算法和技术。2、设计了基于关键词的文本主题分类的系统模型。本文结合传统分类方法与技术,详细分析了传统文本分类过程中产生的特征词,找出了文本主题关键词。该模型通过对特征词进行文本主题关键词选取,并使用这些主题关键词进行文本主题分类,提高了文本分类的准确率。由于需要处理的数据规模比较庞大,在算法原型系统中引入了并行化处理思想,通过分布式框架对数据进行并行化操作,加快文本分类数据处理过程,提高了文本分类的运行效率。3、实现了基于关键词的文本主题分类算法原型系统。该算法原型系统选取主题关键词进行文本主题分类,使用Hadoop MapReduce框架并行处理文本分类数据。通过对系统的相应运行效率和分类效果进行评估得出,本文提出的主题分类算法有着较高的运行效率和良好的分类效果。该算法原型系统已应用于某研究所的科研工作之中。