近些年AI技术越来越热,尤其是深度学习领域乘着大数据的浪潮飞速发展,文本分类是目前很多企业占比较重的业务,应用场景非常广泛,使用深度学习模型进行文本分类用途很广。但是训练深度学习网络是一个非常耗时的过程,因此充分利用集群的资源进行分布式并行训练非常重要。但是类似于MapReduce以及Spark这样非常流行的分布式计算框架却不支持分布式深度学习工作中密集的网络IO和异步调用,所以本文实现了一套分布式深度学习文本分类器系统,该系统用于分布式文本分类器的创建以及在Spark集群中进行分布式深度网络模型训练和分类工作,用户还可以将自己的单机深度网络模型运行在本系统中进行分布式训练和并行分类,减少模型开发成本。本论文将主要针对分布式文本分类器的实现和分布式文本分类的深度学习模型在Spark分布式计算平台上的运行方案进行研究和探索,主要工作内容如下:(1)实现了基于Spark的深度学习文本分类器系统。分布式文本分类器的运行依赖于底层应用程序和Spark集群的调度,所以将其作为一个系统来实现。该系统可以创建文本分类器,使文本分类器进行分布式训练和分类。用户可以通过该平台的Web界面进行分布式分类器的创建、训练和分类等操作。实现的分布式深度学习系统可以支持分类器模型在Spark集群上的分布式训练和并行分类工作,该深度学习文本分类器系统还实现了多种的分布式训练需要的并行算法供用户选择。(2)实现了单机文本分类深度学习模型简单移植到Spark分布式环境的解决方案。目前在自然语言处理领域已经有很多优秀的深度学习模型,用户可以基于各种深度学习框架实现这些模型,或者提出自己的深度学习模型,为了方便用户将已有的单机模式下的深度学习模型在Spark上工作,本文提出了一套供用户移植的解决方案,用户只需要基于该方案实现特定方法,在深度学习运行平台上创建模型后就可以在Spark环境中进行工作。(3)实现了两个常用的文本分类的分布式深度学习文本分类器。为了使用户能够在Spark集群环境下进行文本分类等需要深度学习模型的工作,论文实现了两个分布式文本分类模型,这些模型将经典模型移植到分布式环境下,可以基于Spark集群进行并行工作,使用的就是系统实现的移植方案。本文中的基于Spark的深度学习文本分类器系统能够胜任一些公司的文本分类需求,也为用户提供了一种将模型分布式并行化运行的可行方案。