随着互联网技术的不断发展,网络上出现了大量的评论文本数据。在实际收集评论数据集时常发现不同类别的文本数目相差较大,即数据存在分布的不平衡。如果直接采用传统的分类器对这类文本进行分类,其分类结果不理想,特别是对于非常重要的少数类样本的识别尤为不理想。为此,本文从研究非平衡文本数据挖掘的意义出发,列举并分析了国内外的研究现状,详细介绍了文本预处理等相关技术和基于重采样的算法原理,并在此基础上设计了一个非平衡文本分类系统,具体内容如下:(1)文本预处理技术介绍针对文本分类而言,文本数据不能直接用于后续分类器的构建,需要对文本进行一系列预处理,本文介绍了中文和英文数据集的预处理方法,如中文分词、去停用词和文本数据向量化等方法。(2)几种基于重采样的非平衡数据分类方法的比较本文介绍并实现了六种典型的基于重采样技术的非平衡分类算法,梳理和分析了各个方法的优缺点及适用的环境,之后在文本预处理的基础上进行了对比实验,给出了具体的实验流程及实验结果分析。(3)非平衡文本分类系统设计与实现本文以Java语言为主,Matlab与Python的混合编程为辅实现算法搭建了一个非平衡文本分类系统,主要功能包括以下几个组成部分:选择文本输入路径、中文文本分词、特征选择、文本向量化表示、交叉验证、重采样方法选择、显示评价指标、数据结果的路径设置等部分。本文给出了该系统的需求分析与系统结构,同时为兼顾实际应用与研究实验,将文本预处理和非平衡方法设计成为可选模块。用户可依据非平衡文本数据分类的需求选择功能。非平衡文本分类系统的开发既为研究者研究非平衡文本分类提供了一个辅助系统,也可为相关领域的应用提供技术支撑,具有一定的应用价值。