1、粗糙集理論(RoughSet簡(jiǎn)稱RS)是二十世紀(jì)八十年代由Z.Pawlak提出的一種新的處理不精確、不確定知識(shí)的軟計(jì)算(softcomputation)工具，而文本挖掘技術(shù)是隨著互聯(lián)網(wǎng)的蓬勃發(fā)展和電子圖書的出現(xiàn)逐漸形成的信息技術(shù)領(lǐng)域的一個(gè)重要的研究方向。 本文以文本分類技術(shù)的研究為核心，從理論、算法和應(yīng)用模型三個(gè)層次來(lái)討論文本的分類技術(shù)。本文首先描述了文本的向量空間模型(VectorSpaceModel，簡(jiǎn)稱VSM)，并分析了常

2、用的文本分類算法。在文本分類技術(shù)的研究中，重點(diǎn)研究如何利用粗糙集的知識(shí)約簡(jiǎn)理論來(lái)提高分類的效率，獲取分類規(guī)則。在粗糙集約簡(jiǎn)問(wèn)題的研究中，引入了信息熵(Entropy)的概念，并證明了決策表中決策屬性集對(duì)條件屬性集的條件熵的變化規(guī)律是單調(diào)遞減的，由此得到了約簡(jiǎn)過(guò)程中的啟發(fā)式的搜索的條件，并將概率論、信息論和粗糙集三者相結(jié)合，設(shè)計(jì)了基于信息熵的屬性約簡(jiǎn)算法。根據(jù)這種方法設(shè)計(jì)與實(shí)現(xiàn)了一個(gè)文本分類器，通過(guò)系統(tǒng)測(cè)試證明該方法能夠極大地壓縮特征向量