1、隨著網(wǎng)絡(luò)與信息技術(shù)的發(fā)展,信息量急劇擴(kuò)增,給人們的工作和生活帶來(lái)了極大方便。人們?cè)谙硎苋找尕S富的信息的同時(shí),也被其所淹沒(méi),想要搜索自己感興趣的信息或者管理這些信息都變得越來(lái)越困難,這是一個(gè)迫切需要解決的問(wèn)題。自動(dòng)文本分類技術(shù)可以很好的幫助人們解決這些問(wèn)題。文本分類是當(dāng)今信息檢索和數(shù)據(jù)挖掘等領(lǐng)域的研究熱點(diǎn),其主要任務(wù)是在預(yù)先給定類別標(biāo)記集合的情況下,根據(jù)文本的內(nèi)容來(lái)判定其類別屬性。目前文本分類已在信息的組織與管理、信息過(guò)濾、信息檢索等方面

2、都有重要應(yīng)用?，F(xiàn)在已有很多分類算法應(yīng)用到文本分類領(lǐng)域,比如K近鄰方法、樸素貝葉斯方法、決策樹(shù)方法以及支持向量機(jī)方法等。粗糙集理論是波蘭華沙理工大學(xué)的坡那克(PaWlak)教授在1982年提出,這是一種分析不確定知識(shí)的強(qiáng)有力的數(shù)學(xué)工具。與目前常用的分類算法比較起來(lái),將粗糙集理論應(yīng)用到文本分類中具有以下優(yōu)點(diǎn):首先,粗糙集處理問(wèn)題比較客觀,不需要除所需處理的數(shù)據(jù)集合外的任何先驗(yàn)信息;其次,將粗糙集理論應(yīng)用到文本分類可以在不影響分類精度的條件下

3、降低特征向量的維數(shù),并且可以得到顯式表達(dá)的分類規(guī)則。
　　 本文通過(guò)深入分析粗糙集理論和逆文本頻率加權(quán)方法,提出了一種基于粗糙集的特征加權(quán)方法。在粗糙集理論中,近似分類質(zhì)量和近似分類精度可以在全局的角度去分析特征詞對(duì)文本分類的作用,可以利于粗糙集的這些方法對(duì)特征詞進(jìn)行加權(quán)。不過(guò)這兩個(gè)度量只是體現(xiàn)了全局的一種重要性,加權(quán)過(guò)程是對(duì)每個(gè)文檔中的特征詞進(jìn)行加權(quán),所以在處理過(guò)程中還要考慮到單個(gè)文本的特性。在本文中筆者認(rèn)為如果某個(gè)特征詞在一

4、類文本中文本頻次比較高,而在其他類的文本頻率又比較低,則該特征詞含有比較多的分類信息,應(yīng)該賦予較大的權(quán)重。本文結(jié)合逆文本頻率加權(quán)方法的思想,將詞頻、近似分類質(zhì)量和近似分類精度結(jié)合起來(lái)構(gòu)建了新的加權(quán)公式。通過(guò)粗糙集的約簡(jiǎn)理論可以得到分類規(guī)則,但是在對(duì)新文本進(jìn)行分類的過(guò)程中,經(jīng)常遇到分類規(guī)則與新的對(duì)象不能很好匹配的情況。這主要是由于測(cè)試文本的多樣性,通過(guò)對(duì)訓(xùn)練集的訓(xùn)練不能得到非常全面的分類規(guī)則。本文分析了常用的完全匹配與部分匹配方法,結(jié)合部