随着网络技术的迅猛发展,信息处理成为人们获取有用信息不可缺少的工具。文本分类是中文信息处理的一个重要的研究领域。其目标是在分析文本内容的基础上,给文本分配一个或多个比较合适的类别,从而提高文本检索等应用的处理效率。目前已经有许多方法应用到该领域,如支持向量机方法、K近邻方法、朴素贝叶斯方法、决策树方法等等。与这些方法相比将粗糙集理论用于文本分类有以下优点:粗糙集理论无需提供除问题所需处理的数据集合之外的任何先验信息;包括了知识的一种形式模型,使得知识有了清晰的数据意义,并且可用数学方法来分析处理;能够获得分类所需的最小特征属性集,可以在不影响分类精度的条件下降低特征向量的维数;可以得到最简的显式表达的分类规则。而其它方法则有的无法得到显式规则,如朴素贝叶斯方法和K近邻方法,有的得到的规则含有大量的冗余条件,如决策树方法。本文研究利用粗糙集对文本进行分类的理论与方法。首先,我们对文本进行预处理,包括分词、词频统计、停用词的处理等;然后利用TF-IDF函数提取特征;之后用决策表来表示分类知识:将特征词的集合作为属性集,特征词的权值作为属性值,文本所属的类别作为决策属性,再通过属性约简得到分类规则;最后根据规则对测试文本进行分类,验证训练结果的正确性。实验结果表明,基于粗糙集的文本分类方法是行之有效的。它不但有效降低了特征向量的维数,而且保证了文本分类的精度和召回率。