大数据时代,数据蕴含的价值受到各个领域的广泛关注。从海量的非结构化文本数据中挖掘其潜在的价值,成为大数据处理技术研究的主要动力。随着移动互联技术的发展,网络数据量以指数趋势增加。投资者随时可以通过网络交流投资经验。为了挖掘投资者情绪,辅助投资者进行科学决策、有效投资,本文结合具体应用需求,从文本大数据处理系统架构设计角度出发,研究了支撑其实现的相关模型与关键技术,最终设计并实现了支持文本大数据处理的股票预测系统。论文主要的工作内容如下：1)系统架构的设计和关键技术的研究。首先,研究了大数据采集技术、大数据存储技术及大数据挖掘技术。其次,通过与传统文本挖掘方式相比,优化了数据采集和文本分类流程,降低了算法复杂度和挖掘过程中的数据量。最后,通过文本大数据系统架构设计及处理流程归纳出支撑其架构实现的关键技术。2)减少了无关数据的采集。本文研究基于股票本体的主题爬虫主要通过构建股票本体,计算网页主题相关度,指导爬虫对主题相关度高的网页进行优先爬取,减少无关数据的采集。3)设计了多数据源股票预测模型。本文利用大数据处理技术从文本中挖掘投资者情绪,用于投资者情感指数计算。分析影响股票价格的因素,提取影响较大的特征作为主成分,结合支持向量机在处理函数回归问题方面的优越性,设计了多数据源股票预测模型,并经实验对模型的有效性进行了验证。本文通过大数据处理技术挖掘投资者情绪,并对影响股票价格的多种因素进行分析,建立了多数据源股票预测模型,以此模型为原型实现了股票趋势预测系统。