随着网络的发展,文本分类作为信息整理的手段,在我们的生活中起着越来越重要的作用。特征值提取是文本处理中的关键技术,优秀的特征值才能真正反映出文本的属性。本文主要借助于自然语言语义学、模糊数学、粗糙集、概率论等方面的知识对中文文本的特征值提取作了系统的研究,提出了基于同义概念及多重加权的特征值提取系统(SMFS),具体工作如下: 首先,我们对于现在的特征值加权法做了一定的改进,不仅考虑了文本中的词汇概率信息,还结合文本语义等多方面信息,提出了一种基于多重启发式规则的特征值权值计算方法。我们认为词汇只是表示概念的语言单位,而同义词都可以归结为同一个概念,于是特征提取中我们定义了“同义概念”作为特征值的单位。从而解决了文本处理中的同义词和一词多义问题,在很大程度上降低了特征空间的维数,并且得到了较优的性能。值得指出的是,我们这里的“同义概念”是在训练过程中自动形成其隶属度。最后我们对现在的分类方法作了一定的总结。并且给出了比较试验结果以及SMFS 特征值提取方法在邮件分类系统的应用。