用户提交的软件错误报告随意性大、 主观性强且内容少导致自动分类正确率不高， 需要花费大量人工干.预时间。随着互联网的快速发展用户提交的错误报告数量也不断增加， 如何在海量数据下提高其自动分类的精确度.越来越受到关注。通过改进词频-逆文档频率( TF-IDF) ， 考虑到词条在类间和类内出现情况对文本分类的影响， 提出.一种基于软件错误报告数据集的改进多项式朴素贝叶斯算法， 同时在 Hadoop 平台下使用 MapReduce 计算模型实现.该算法的分布式版本。实验结果表明， 改进的多项式朴素贝叶