大數(shù)據(jù)時(shí)代，文本數(shù)據(jù)數(shù)量眾多并富含價(jià)值，文本挖掘越來越重要。例如，金融機(jī)構(gòu)通過文本挖掘研究新聞事件對(duì)股價(jià)的影響，醫(yī)學(xué)工作者通過文本挖掘研究電子病歷以提升診療效果，等等。預(yù)測(cè)性文本挖掘使用文本挖掘的理論和工具識(shí)別蘊(yùn)含于文本數(shù)據(jù)中的模式及規(guī)律，并將這些模式應(yīng)用于預(yù)測(cè)，以幫助人們推知和判斷事物在未來的發(fā)展?fàn)顩r。然而，預(yù)測(cè)性文本挖掘的自然語言特征和非精確性等不確定性特征增加了規(guī)律識(shí)別和推知未來的難度。軟集合理論是處理不確定性的數(shù)學(xué)理論之一，為處理文本數(shù)據(jù)以及表示預(yù)測(cè)的非精確性提供了新的思路。它源于對(duì)近似描述問題的研究，以尋找近似解為構(gòu)建理念，使用參數(shù)化集族的方式描述問題，著眼于建立非精確模型解決問題，并得到相應(yīng)的近似解。從理論構(gòu)建理念、問題描述方式和解決路徑來看，軟集合理論適于作為預(yù)測(cè)性文本挖掘的基本理論。
　　近年來軟集合理論發(fā)展迅速。學(xué)者從基本概念和運(yùn)算、軟分析理論、軟概率理論、軟代數(shù)理論及軟拓?fù)涞确矫鎸?duì)軟集合基本理論進(jìn)行了擴(kuò)展，將這些理論進(jìn)展應(yīng)用于預(yù)測(cè)、文本處理、參數(shù)約簡與選擇以及決策等，并取得了豐富的成果。這些成果為構(gòu)建基于軟集合理論的預(yù)測(cè)性文本挖掘方法提供了理論基礎(chǔ)和借鑒。其中軟集合參數(shù)化集族的表示方式和不同軟集合之間關(guān)系研究為刻畫文本特征之間的非精確關(guān)系提供了新的思路，軟概率、軟條件概率、軟序列概率以及軟條件序列概率則為刻畫預(yù)測(cè)過程中的非精確現(xiàn)象、構(gòu)建預(yù)測(cè)方法提供了新的途徑。盡管如此，基于軟集合理論的預(yù)測(cè)方法尚不完善。
　　本書主要從四個(gè)方面探討了如何使用軟集合理論構(gòu)建預(yù)測(cè)性文本挖掘方法：針對(duì)特征間非精確關(guān)系的描述問題，使用近似軟集合、依賴度軟集合和不可分辨關(guān)系軟集合來刻畫特征選擇方法；針對(duì)預(yù)測(cè)性文本挖掘中預(yù)測(cè)因素和預(yù)測(cè)結(jié)果之間關(guān)系的非精確性，使用軟概率、軟條件概率以及軟依賴構(gòu)建模型；考慮預(yù)測(cè)過程中滯后效應(yīng)的影響，使用軟序列概率、軟序列條件概率以及軟序列依賴構(gòu)建了預(yù)測(cè)模型；更進(jìn)一步，考慮文本數(shù)據(jù)的粗糙性，使用粗糙隸屬函數(shù)構(gòu)建了粗糙軟依賴模型，把對(duì)粗糙的表示融入預(yù)測(cè)過程中。這些方面為軟集合理論在預(yù)測(cè)領(lǐng)域的發(fā)展提供了思路。