自动化文本分类是数据管理的重要组成部分,目标是自动地将文本划分到已知的类别中去。基于关联规则的文本分类方法相对于其他的文本分类方法,不仅可以产生易于理解的分类规则,同时还具有良好的分类精度与分类效率,成为了当前文本分类算法研究的热点之一。本文分析了当前关联规则分类方法存在的两个问题。一是直接利用关联规则进行分类,在分类决策时可能会重复计算某些训练文本的支持度,从而过于强调某些训练文本的分类作用。二是仅根据特征词的权重来确定规则权重会过于强调特征词的分类作用,忽视关联关系的分类作用。针对以上问题,本文提出了改进的关联规则文本分类算法WCCPF。WCCPF主要有三个方面的改进:第一,更加合理的规则权重。新的加权方法不仅根据训练文本,还考虑到待分类文本对规则权重的影响,并通过引入相似度计算使得规则权重更加合理。第二,改进CR-tree的分类器CPF-tree。新的分类器可以快速地根据待分类文本动态地产生分类规则,以避免在分类决策时重复计算训练文本的支持度。第三,新的剪枝方法。在成熟的剪枝方法基础上,新的剪枝方法利用最大频繁项集对新的分类器进行剪枝。实验结果表明本文的分类算法提高了文本分类的精度。