随着信息技术的飞速发展,文本数据的大量产生,对文本进行分类以便更高效处理文本数据已成为常态,其中对文本数据的情感分类更是在商家产品改进、政治选举等领域起到了重要作用。在文本分类决策问题中,常用的方法是对文本直接采取正面或负面的二支决策分类,但是由于文本情感的特殊性,对文本直接二分类往往导致分类结果准确率低、分类效果差的问题。本文以三支决策思想为背景,对不确定信息部分采取延迟决策。文中主要工作围绕文本数据情感分类和序贯三支决策理论两方面展开。以下为本文研究工作:1.将序贯三支决策模型应用于文本数据情感分类任务中。首先,根据文本情感信息量提取文本特征。其次,根据文本情感值提取关键词频,按关键词权重构建粒度空间。接着引入序贯三支决策在不同粒度依次对数据对象三支决策,序贯边界域对象直至最细粒度根据设置阈值得到最终的文本数据情感分类结果。2.引入关联规则到文本分类任务中。首先,依据关联规则算法获取文本频繁项,得到特征词频,形成新的文本信息系统,得到了基于关联规则的序贯三支决策规则。其次,对信息系统对象进行序贯三支决策,在较粗粒度根据决策阈值三支分别划分对象至正域、边界域和负域,在最细粒度停止序贯过程,根据阈值得到二支决策结果。最后,研究了文本分类决策结果代价。根据最小决策代价原则,在决策代价上限确定的情况下,得到最小决策代价下的对象。设计相关实验,对比不同分类方法和特征提取方法得出文中研究方法有更好的文本数据分类效果。