1、文本特征提取是從文本信息中抽取能夠代表此類或某文本的信息。特征提取方法研究的目的是過濾數(shù)據(jù)噪音特征、選擇最優(yōu)的特征子集來優(yōu)化文本的表示，實(shí)現(xiàn)文本數(shù)據(jù)降維并提高降維文本表示的類可分性。文本的特征項(xiàng)的選取是文本挖掘、信息檢索的一個(gè)基本的和重要的問題。
　　 特征提取技術(shù)分為特征選擇和特征抽取兩類。特征選擇是指按照某種標(biāo)準(zhǔn)，從原始特征項(xiàng)集合中挑選出一部分特征詞構(gòu)成子集，作為新的特征集。特征選擇具有容易理解、計(jì)算量小的優(yōu)點(diǎn)，其主要缺點(diǎn)是

2、假設(shè)各個(gè)特征項(xiàng)之間是相互獨(dú)立的，不能有效地解決近義詞混淆和多義詞歧義特性對分類準(zhǔn)確性的影響。特征抽取是指通過特定的映射函數(shù)對原始特征空間進(jìn)行旋轉(zhuǎn)、伸縮等變換，重構(gòu)新的特征項(xiàng)。特征抽取避免了特征選擇中各個(gè)特征項(xiàng)相互獨(dú)立的假設(shè)，考慮了特征項(xiàng)之間的相關(guān)性，強(qiáng)調(diào)了特征提取中對文本內(nèi)容的理解。但由于這種方法需要對高維的原始特征空間進(jìn)行各種映射與變換，導(dǎo)致時(shí)間復(fù)雜度變高，降低了算法效率。
　　 本文提出一種CM-RS文本特征提取方法。該方法

3、首先使用李德毅院士提出的定性和定量轉(zhuǎn)換模型--云模型對原始特征空間進(jìn)行初步篩選，然后使用RS語義分析模型對篩選后的特征空間進(jìn)行特征提取?；谠颇Ｐ吞卣鬟x擇可以提高RS語義分析模型的處理效率。構(gòu)建特征詞之間的相關(guān)度與相似度的RS語義模型考慮特征抽取中避免近義詞與多義詞對文本特征的影響。
　　 文本特征提取首先要對文本進(jìn)行科學(xué)的抽象，將一個(gè)無結(jié)構(gòu)的原始文本轉(zhuǎn)化為結(jié)構(gòu)化的計(jì)算機(jī)可以識別處理的信息，建立它的數(shù)學(xué)模型，計(jì)算機(jī)通過對這種模型