随着近年来我国教育水平的提高和国家及各教育机构对人才培养的重视，教育相关的数据量逐年增加。在关于教育信息的申报和评审类系统中，需要对申报的关键信息进行重复检查，以保证评审结果的客观性和公平性。根据实际评估系统使用过程中的用户反馈，随着数据量的增加，通过传统的单一重复检查方式对这些数据进行检查已经无法满足用户对于检查精度和效率的要求，从而影响了评估工作的效率。　　本文针对教育信息评估系统中的重复检查模块为研究基础，针对随着清单表数据不断增加而引起的两个问题，提出了针对组合信息的重复检查方法，针对同一张清单表中的多个关键字段分别利用不同相似度检查算法进行检查，来提高检查结果的精度，降低后期人工处理检查结果的难度，同时采用将重复检查方法并行化的方式来提高检查效率。　　本文提出了组合信息的重复检查模型，利用Hadoop平台下的MapReduce框架实现重复检查的并行化，分析了将Hadoop平台下的组合信息的检查方法应用到现有评估系统中的步骤和可能存在的问题。实验结果表明当数据量增大时，Hadoop平台下的并行的重复检查方法比单线程的重复检查方法在效率上具有明显的优势，也验证了Hadoop平台应用于已有系统的可行性。　　在保证检查结果精确性的前提下，本文提出了一种针对组合信息的通用的重复检查方法，利用分布式计算实现了提高重复检查环节准确性和效率的解决方案，提高了重复检查环节的可扩展性，并通过实验对比验证了Hadoop平台应用于重复检查环节的可能性，最后通过分析将重复检查环节迁移到Hadoop平台上的步骤进一步验证了将Hadoop平台应用于现有评估系统中的可能性。