1、隨著互聯(lián)網(wǎng)的發(fā)展，以電子形式的信息量飛速增長，為了有效地利用和管理海量信息，信息檢索逐漸成為備受關(guān)注的領(lǐng)域。由于大多數(shù)的電子信息是以半結(jié)構(gòu)化的文本形式存在，文本分類（Text Categorization）在信息檢索中就顯得尤為重要，并有著廣泛的應(yīng)用前景和研究?jī)r(jià)值。 本文主要在向量空間模型（VSM）框架下進(jìn)行相關(guān)的研究，對(duì)該框架下的文本分類關(guān)鍵技術(shù)進(jìn)行分析和闡述，重點(diǎn)探討文本分類中的兩大關(guān)鍵技術(shù)：特征選擇和特征加權(quán)，在此基礎(chǔ)上提

2、出了基于變精度粗糙集理論的文本分類算法（CDD—VPRSW），并通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性。 本文主要工作如下： 首先，分析特征選擇的必要性并對(duì)目前比較常見的特征選擇算法進(jìn)行分析和比較。根據(jù)詞在不同類間的分布差異情況，構(gòu)造出基于類別區(qū)分程度因子的量度公式，并在此基礎(chǔ)上提出基于類別差異的特征選擇算法（CDD）。 其次，分析TF—IDF方法的缺點(diǎn)。通過對(duì)變精度粗糙集相關(guān)性質(zhì)的研究，提出了基于變精度粗糙集特征詞重要度