随着互联网的不断发展,社交网络、电子商务、搜索引擎、移动计算等已经深入到人们的日常生活中,各类数据呈现出爆发式的增长,但是人们对信息的要求却更加精细化、个性化。如何对海量的非结构化文本数据进行分类的研究有着十分重要的意义,而云计算为海量数据的处理提供了强有力的工具,为此本文研究了基于云计算平台Hadoop的文本分类,主要做了以下工作:(1)研究了云计算中的存储、计算、虚拟化等关键技术。Hadoop作为一个开源的并行计算平台,已经逐步成为海量数据处理中最有力的工具,本文从设计理念、实现方法等多方面对其分布式文件系统HDFS和并行化编程范式MapReduce做了深入研究。(2)将Hadoop平台应用到文本分类领域,在通用文本分类流程的基础上,设计了一套基于MapReduce的并行化文本分类框架,在本地虚拟机环境下搭建了一个小型的Hadoop集群,编程实现了并行化文本分类算法,实验的运行结果证明了该框架的有效性。(3)在并行化文本分类框架的基础上,研究了基于近邻元分析的分类算法。不再仅仅将近邻元分析作为一种距离测度学习算法,而是将其思想引入到分类中,结合局部近邻思想,提出了一种K近邻元分析分类算法(K-NCA),在文本分类的实验仿真取得了良好的效果,最后分析了算法的可并行性,提出了算法的并行化实现策略。