数据挖掘和文本挖掘是研究如何获取知识的重要领域。粗糙集理论是一种在保持分类能力不变的前提下，通过属性约简导出概念分类规则的新型软计算方法，该理论在文本挖掘中的应用研究具有重要的理论意义。　　 本文主要对粗糙集理论在文本挖掘中应用方法进行研究，包括基于分明矩阵的属性约简和基于Apori算法的关联规则挖掘两个方面。　　 首先，本文提出先对决策表进行约简，删除其中的冗余项，然后生成分明矩阵；在对分明矩阵进行属性约简的过程中，通过对核属性的提取，减少中间冗余范式的生成，提高了算法的效率。其次，本文根据Apriori算法的性质，在扫描数据库生成候选项集的同时删除不满足该性质的项，缩小数据库规模，从而减少了扫描数据库所消耗的时间。　　 与传统经典算法相比，改进后的算法在运行时节省了大量的时间和空间上的消耗，在处理大规模的文本数据库挖掘的性能上有很大提升。