随着信息技术的发展,网络信息量暴增,文本信息得到快速增长,信息成几何级增长逐步成为当今社会的主要特征。文本关键词作为文章的内容的简短摘要,文章内容可以帮助快速了解并保存浏览的时间。同时,在信息检索的话,自动摘要,文本聚类／分类也起着很大的作用。因此,文本关键字提取技术将成为解决问题的关键技术。本论文以中国科学院教育云项目为背景,为了更好地实现教育领域的个性化推荐系统,需要自动化的构建学科分类树,本程序正式基于这一需求进行开发的。通过前期对大量的调研工作,发现,目前能够提取关键词的模型主要有TF*IDF、Unigram Model、PLSA等,但效果最好的模型是LDA(Latent Dirichlet Allocation),本文通过实现LDA算法,试图对文本进行关键词提取。但发现,对于中文,提取结果的准确性很大程度上依赖于中文分词的结果,现有的分词算法对未登录词都未能很好识别,本程序所实现的分词算法在很大程度上解决了这一问题,使得关键词的提取能够取得比较高的准确率。具体工作如下：(1)中文分词器的实现：主要以逆向最大匹配算法为基础,对匹配算法的结果进行了进一步处理,提高了未登录词的识别率,主要包括：日期处理、数字处理、英文处理、姓名处理。(2)文本预处理：这部分主要为了LDA算法的实现做基础,主要工作包括停用词去除、噪声去除、词项-索引逆向等。(3)LDA算法的实现：这部分实现了LDA算法部分,主要是用Gibbs Sampling方法进行参数估计。(4)程序整体整合：这部分将文本输入、中文分词、文本预处理、LDA算法、结果展现做了整合。经过测试可以发现,通过在分词器中增加未登录词识别模块和优化LDA算法,可以很好的提高关键词提取的准确率,使关键词更好的符合原文中心思想。