随着5G时代的来临,加之物联网设备的大量应用和普及,使得产生的数据显现出指数增长,其中很大一部分的数据是以杂乱的文本格式存储的,怎样把这些海量文本数据通过文本分类技术进行归类展示,已经逐渐成为研究的焦点,而文本特征选择是文本分类的一个重要组成部分,对文本处理的速度和低分类精度有着直接影响。文本特征选择是采用一个特定的评价函数来对特征统计、评估、排序,然后选择评估值较大的特征项,形成一个小于原有的文本特征空间的子集。同时,大数据处理和云计算技术的发展和应用逐渐成熟,能够实现并行数据的计算和存储需求。本文在对分布式文本特征提取基本方法和理论知识的深入研究上,优化特征选择的子集,完成了以下三个工作:(1)蝙蝠算法用于文本特征选择。使用?~2统计进行文本特征初降维,并针对该方法的不足,引入蝙蝠算法对特征进行二次筛选,用以降低文本维度。(2)蝙蝠算法并行化策略。因为文本分类,需要已有的数据集进行模型训练,当训练数据达到一定量级后,原有的蝙蝠算法的运行效率会逐渐下降。本文结合Spark并行计算模型基于内存运算的优势提出了基于Spark的蝙蝠算法用于文本特征选择方法。通过Spark分布式计算模型,改进算法的计算,将蝙蝠算法迭代并行的过程发布到Spark集群上,提高了蝙蝠算法的计算速度和效率,节省了计算时间。(3)蝙蝠算法多策略改进。通过对传统蝙蝠算法优缺点进行分析研究,提出一种基于Spark多策略改进蝙蝠算法的文本特征选择方法,并采用准确率、召回率和F-measure值来进行评估和分析。实验证明改进后的算法提高了文本分类的准确率。