当今人类已经步入了信息化的时代,大量的数据都是以数字化方式存储于Internet上的,而其中文本占据了重要的份额。要在如此海量的数据中汲取有用的信息,就离不开好的针对电子文本的自动分类和检索系统。目前文本自动分类与检索已经成为自然语言处理领域研究的一大热点。自动分类中常常要对向量加权,现有的加权算法着重考虑的是特征项频率和反文档频率等信息,忽略了特征项在不同类别中的分布,以及这种分布与分类决策的相关度,这些都影响到了现有分类系统的性能。此外自动分类还离不开文档向量的构造,向量的分量与文档中的特征项相对应,这种向量通常高达几千维甚至数万维,计算量相当大,因此需要对文档向量进行约简。而传统的基于频率的阈值过滤法往往会导致有效信息的丢失,也影响了分类的准确度。本论文引入了Rough集这一新数学理论工具,并在此基础上实现了新的分类模型。Rough集理论不仅可以用于对特征项进行加权,还能同时进行约简,剔除文档向量中的冗余信息。我们还使用Rough集理论在分类基础上实现了基本的检索功能。最后的实验结果表明,使用Rough集进行加权,能有效地用若干离散权值将特征项根据其分类重要度区分开来,从而最大限度避开频率因素的影响。Rough集加权能在抑制分类能力弱的高频信息的同时,提高分类能力强的低频特征项的重要度,最终提高分类的准确度。使用Rough集进行约简,不仅能显著缩小文档向量的规模,而且不会像传统的阈值法那样有大量的信息损失,能在不影响到分类准确度的同时显著地降低运算量。