随着我国高校科研管理信息化建设的不断推进,各类非结构化科研文档得到快速增长和积累。面对规模巨大、种类繁多的科研文档数据,如何为这些数据提供集中的、安全的、可靠的存储环境和智能化的管理平台,提高科研管理人员的文档管理效率,成为目前亟待解决的一个问题。另一方面,科研文档数据是全国高校科研工作者长期研究积累的知识结晶,如何有效发挥出隐藏在文档中的潜在价值,也成为当下科研管理的重点发展方向。为此本课题以分布式存储系统为基础支撑,结合自然语言处理与机器学习等大数据相关理论与技术,设计了一个安全、可靠、扩展性良好的文档管理与分析平台。本课题首先对国内外非结构化数据管理与分析平台的现状进行了充分调研,分析现有系统在非结构化数据管理和分析中存在的不足,并结合当前科研文档的实际情况,梳理出文档管理与分析平台的需求;然后,以分布式文件系统HDFS和大数据分析理论与技术为核心,以SpringMVC和ExtJS等Web前后端开发框架为基础,详细设计并实现了海量文档存储、文档管理以及非结构化文档分析等功能;最后对平台进行了详细测试和分析,以验证各模块功能的准确性和可靠性。科研文档管理与分析平台具有较高的易维护性和可扩展性。通过搭建高可用分布式集群存储环境,为文档存储安全性提供了保障;通过提供简洁直观的操作页面,大大提高了文档管理的效率;通过从原始大量非结构化文档中挖掘隐含的、预先未知的并有潜在价值的信息,找到科研数据的相关性和发展规律,为广大科研工作者提供了更加智能化和个性化的数据服务,在高校科研管理信息化建设过程中具有很好的决策指导作用和现实使用价值。