在网络技术不断发展和成熟的时代,越来越多的组织和机构加入互联网,在网络上发布和分享信息。因此,人们获取和管理信息的方式正在从书本向网络上转变,但网络上的信息量日益剧增,在互联网上可获取的信息纷繁杂多并且形式多种多样。这为信息的获取带来多样性。对这些用户需求的信息进行高效的组织和管理,并转化成为自身的知识,加大了知识管理的难度。组织和管理用户收集的大量信息已经成为研究的热点。文本分类是一种重要的文本数据分析形式,它构建了重要文本数据类别的模型,用来预测分类的类标号。文本分类可以有效的对收集的信息形成不同的类别,从而方便用户在知识管理系统中获取自己所需要的信息。本文在对文本分类的研究基础上,综合考虑分类过程中每一个阶段不同参数配置对分类结果的影响,构建出一种可调节的最佳分类器。针对现有的知识管理系统的设计和各自的适用环境的不同,将文本分类应用于知识管理系统中,设计和实现适用于个人应用的知识管理系统,从而有效的对用户的知识进行组织和管理。整个系统设计了知识采集子系统、知识处理子系统、知识展示子系统三个子系统。分别完成各自的功能。本论文相关工作的创新点主要体现在以下两个方面:(1)在使用用户的文本知识集构造分类数据集的过程中,首先通过文本聚类得出大致的簇;其次提取关键词用于给每个簇打标签。在此过程中,本文将文本的标题分词后的词和聚类得到的簇中的TFIDF值比较高的词组成候选词集合,然后考虑词的位置信息并赋予权重,提出一种计算候选词的代表度的方法。选取代表度值最高的作为簇的标签。从而构造出完整的分类数据集。(2)构造分类数据集所使用的聚类算法,和在分类器构建过程使用的朴素贝叶斯算法和随机森林算法,都通过Map Reduce实现并行化。