本书重点探讨了利用信息论中的评估函数量化特征权值的方法; 基于权值调整改进Co-training的算法; 利用互信息或CHI统计量构造特征独立模型, 进行特征子集划分的方法; 基于投票熵维护样本权重的BoostVE分类模型; 融合半监督学习和集成学习的SemiBoost-CR分类模型。其中特征选择和权值调整方法、基于特征独立模型划分特征子集的方法适用于文本分类, 其他算法不仅适用于文本分类, 对机器学习和数据挖掘的其他研究也有较大的参考价值和借鉴作用。