自动文本分类的效果在很大程度上依赖于属性特征的选择。针对传统基于频率阈值过滤的特征选择方法会导致有效信息丢失，影响分类精度的不足，提出了一种基于粗糙集的文本自动分类算法。该方法对加权后的特征属性进行离散化，建立一个决策表;根据基于依赖度的属性重要度对决策表中条件属性进行适当的筛选;采用基于条件信息熵的启发式算法实现文本属性特征的约简。实验结果表明，该方法能约简大量冗余的特征属性，在不降低分类精度的同时，提高文本分类的运行效率。