大數(shù)據(jù)時代，文本數(shù)據(jù)數(shù)量眾多并富含價值，文本挖掘越來越重要。例如，金融機構(gòu)通過文本挖掘研究新聞事件對股價的影響，醫(yī)學工作者通過文本挖掘研究電子病歷以提升診療效果，等等。預測性文本挖掘使用文本挖掘的理論和工具識別蘊含于文本數(shù)據(jù)中的模式及規(guī)律，并將這些模式應用于預測，以幫助人們推知和判斷事物在未來的發(fā)展狀況。然而，預測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)學理論之一，為處理文本數(shù)據(jù)以及表示預測的非精確性提供了新的思路。它源于對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測性文本挖掘的基本理論。
　　近年來軟集合理論發(fā)展迅速。學者從基本概念和運算、軟分析理論、軟概率理論、軟代數(shù)理論及軟拓撲等方面對軟集合基本理論進行了擴展，將這些理論進展應用于預測、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測性文本挖掘方法提供了理論基礎和借鑒。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系研究為刻畫文本特征之間的非精確關系提供了新的思路，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測過程中的非精確現(xiàn)象、構(gòu)建預測方法提供了新的途徑。盡管如此，基于軟集合理論的預測方法尚不完善。
　　本書主要從四個方面探討了如何使用軟集合理論構(gòu)建預測性文本挖掘方法：針對特征間非精確關系的描述問題，使用近似軟集合、依賴度軟集合和不可分辨關系軟集合來刻畫特征選擇方法；針對預測性文本挖掘中預測因素和預測結(jié)果之間關系的非精確性，使用軟概率、軟條件概率以及軟依賴構(gòu)建模型；考慮預測過程中滯后效應的影響，使用軟序列概率、軟序列條件概率以及軟序列依賴構(gòu)建了預測模型；更進一步，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，把對粗糙的表示融入預測過程中。這些方面為軟集合理論在預測領域的發(fā)展提供了思路。