如何在浩若烟海而又纷繁芜杂的文本信息中获取最有效的信息是信息处理的一大任务。文本自动分类是实现这个任务的重要方法之一。在文本分类过程中,由于同义词、多义词、近义词的存在导致许多类并不能完全划分开来,造成类之间的边界模糊。此外交叉学科的发展,使得类之间出现重叠,于是造成许多文本信息并非绝对属于某个类。这两种情况均会导致分类有偏差。 针对上述情形,本文提出利用粗糙—模糊集理论来处理在文本分类问题中出现的这些偏差。模糊—粗糙集理论有机的结合了模糊集理论与粗糙集理论在处理不确定信息方面的能力。粗糙集理论体现了由于属性不足引起集合中对象间的不可区分性,即由于知识的粒度而导致的粗糙性;而模糊集理论则对集合中子类边界的不清晰定义进行了模型化,反映了由于类别之间的重叠体现出的隶属边界的模糊性。它们处理的是两种不同类别的模糊和不确定性。将两者结合起来的模糊—粗糙集理论能更好地处理不完全知识。 本文的创新点如下: 1、将模糊—粗糙集理论用于文本分类,并将模糊—粗糙集理论与k-NN模型相结合。 2、利用基于距离的邻域空间来取得与每个类和待分类文本有关的邻近点数。改变以往k-NN模型通过训练取得一个对所有类都一样的最优k值。 通过实验比较,基于粗糙—模糊集理论的分类模型使分类结果有了较好的语义解释,并在一定程度上提高了分类的精度和召回率,同时并没有增加分类计算过程的复杂度。但是实验中某些参数的获取还存在不足之处,如不确定性出观时调节参数的设置以及划分邻域空间时距离的获取,都还须改进。这些问题有待于我们在今后的工作中作进一步研究。