教育信息化推动了虚拟学习平台的诞生,动态网页技术使得虚拟学习平台的动态交互和个性化成为可能。然而,海量的教育资源与人们有限的学习时间之间的矛盾日益加剧。文本挖掘是解决信息爆炸式增长与信息有效利用问题的重要技术。本文旨在以文本挖掘理论为指导,对教育资源类的短文本进行关键词抽取研究,从而梳理出潜在的模式。本文深入研究了文本挖掘中文本预处理和特征项选取的相关知识,重点分析了KEA、PAT TREE和GenEx三种关键词抽取算法,提出了基于自适应的关键词抽取算法。本文的主要内容及创新点如下：1、英语试题文本内容短小、结构灵活的特点使得传统关键词抽取算法难以选取完备有效的特征项。针对这个问题,本文从基于统计模型和语义的两个层面综合考虑英语试题文本的特征项选取方法,引入词频、位置、词长和词同现四个特征因子,从而保证特征项选取的完备性和有效性。2、为自适应类别多变的英语试题文本,引入特征项权重调节系数。调节系数用于调整四个特征因子对候选词权重的贡献,从而构建不同类别的文本的特征项权重评估模型,实现关键词提取算法自适应类别多变的试题文本。3、采用遗传算法训练特征项权重调节系数,获取适用于不同类别的英语试题文本的权重评估模型。采用多线程并发执行方式计算四个特征因子的权值,提高算法效率。并通过实验比对本文提出的算法与TF-IDF算法、KEA算法在试题文本中关键词提取效果,验证基于自适应的关键词抽取算法的正确性和有效性。4、在基于自适应的关键词抽取算法的基础上,设计并实现关键词自动抽取组件,用于提取英语四级试题的核心词汇。最后,以组件为中心开发了大学英语四级学习平台。