傳統(tǒng)的文本分類多以空間向量模型為基礎(chǔ)，采用層次分類樹模型進(jìn)行統(tǒng)計(jì)分析，該模型多數(shù)沒有結(jié)合特征項(xiàng)語義信息，因此可能產(chǎn)生大量頻繁語義模式，增加了分類路徑。結(jié)合基本顯露模式（ eEP）在分類上的良好區(qū)分特性和基于最小期望風(fēng)險(xiǎn)代價(jià)的決策粗糙集模型，提出了一種閾值優(yōu)化的文本語義分類算法TSCTO：在獲取文檔特征項(xiàng)頻率分布表之后，首先利用粗糙集聯(lián)合決策分布密度矩陣，計(jì)算最小閾值，提取滿足一定閾值的高頻詞；然后結(jié)合語義分析與逆向文檔頻率方法獲取基于語義類內(nèi)文檔頻率的高頻詞；采用eEP分類方法獲得最簡(jiǎn)模式；最后利用相似性公式和《知網(wǎng)》提供的語義相關(guān)度，計(jì)算文本相似性得分，利用三支決策理論對(duì)閾值進(jìn)行選擇。實(shí)驗(yàn)結(jié)果表明，TSCTO算法在文本分類的性能上有一定提升。