随着科学的发展和工程水平的提高,互联网数据量也在增长,传统单机处理方式已经不能满足,对于网站整体运行情况的分析有了更多的分析角度和更精确的分析方法,本选题的研究目的即从一种更优的视角出发。大数据时代背景下,各种文本数据正大量地出现在人们的日常生活中,本文针对文本摘要、参考文献、关键词等多维度数据挖掘,进行整理推荐文本信息,以便提高读者阅读效率与质量。本文整体思想是先对文本进行静态聚类,使得文本信息自动归档,再基于用户动态的浏览过程做关联规则分析,得到动态文本数据频繁项集,最后将频繁项集在聚类结果中分析找到其关联规则,以提高文本信息查询的效率,具有非常重要的应用前景与研究意义。引用Hadoop实验环境平台,在现有的聚类算法基础上做出改进,提出了一种基于权值矩阵的FP-Growth关联规则,通过改进的关联算法对文献作者信息挖掘过程的处理时间及隐含信息的挖掘程度等指标进行实验,改进算法性能和时空间效率,最终得到更有效、更精准的频繁项集,以及通过改进了的K-means聚类算法,找出相互关联的文献作者,获得参考文献作者的知识专家图谱。