随着计算机技术和通讯技术的飞速发展,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。粗糙集理论是一种处理模糊和不确定知识的强有力的数学工具,能有效分析和处理不精确、不一致、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。其主要思想是在保持分类能力不变的前提下,通过知识约简,导出决策或分类规则。本论文主要对基于粗糙集理论的文本分类系统进行了系统的研究。具体的研究内容和创新性研究有:详细介绍了文本分类的基本内容和粗糙集及其相关理论和方法;在文本分类和粗糙集理论的基础上,提出了基于粗糙集的文本分类系统模型;研究了粗糙集理论中的属性约简算法,并找出合适的用于启发式属性约简的属性重要性衡量方法;对于粗糙集理论中的启发式属性约简算法进行改进,利用两种约简信息,变传统的一次约简为二次约简。根据此约简算法提出一个基于改进启发式属性约简的粗糙集文本分类系统,实验结果表明:将改进后的属性约简算法运用在文本分类模型中,能够得到较好的分类效果。