伴随着呼叫中心业务和技术的不断发展,各呼叫中心积累了大量的音频和文本格式的通话记录,形成了巨大的数据资产。但与此同时,由于难以有效分析如此大量的非结构化的数据,如何挖掘这些通话记录中所包含的信息一直是学术界和企业界研究的难题。本文以真实项目需求为导向,采用理论与实践相结合的研究方法,分别从文本挖掘技术现状调研,呼叫中心数据预处理,文本自动分类,主题事件挖掘四个方面对文本分析的相关内容进行了展开。首先,基于当前文本挖掘领域已有的技术优势和研究成果,提出本文在对呼叫中心数据进行文本挖掘工作时,可以进行算法补充或创新的理论依据。其次,针对呼叫中心数据集特点,设计一整套数据处理方案,完成对真实数据的清理和预处理工作,为后续文本挖掘算法进行数据准备。再次,为了解决呼叫中心数据集偏斜,噪音大的问题,提出改进的文本自动分类算法用于文本自动分类和一种基于关联属性的A-LDA主题模型算法用于主题挖掘。同时,针对海量数据的问题,为了提高文本分析的性能,完成了上述两种算法的MapReduce分布式计算的实现。最后,在基于前文挖掘算法的基础上,设计并实现一整套系统,将上述算法集成于系统当中,并通过网页图表形式对分析结果进行实时、快捷、友好的可视化展现。综上所述,本文通过对文本挖掘技术在呼叫中心平台上的应用进行研究,设计实现了一个从数据预处理,分布式文本挖掘算法以及网页可视化展现的大数据文本分析系统,为呼叫中心用户提供了决策数据参考。