综合评价是对多属性体系结构描述的对象系统做出全局性、整体性的评价，它是资源管理、复杂系统优化等众多实际问题的核心内容。由于计算机的发展和相关领域的不断深入研究，综合评价方法在社会、经济、科技、教育、环境和管理等领域得到了广泛应用。在综合评价问题中，属性权重的确定以及评价模型的构建是最重要也是最困难的问题。信息系统是一个具有对象和属性关系的数据库，数据库中的数据是社会经济发展中的各个领域必须依据的信息，但这些数据信息存在着各种各样的不完备性。由于数据中隐含着对象和属性之间的关系，这种关系需要依赖一定的数学方法和计算工具才能挖掘出来。而Pawlak在1982年提出的粗糙集就可以很好地解决此类问题，它可以帮助人们利用积累的数据信息，在信息系统中不断发现新的知识，并使这些知识辅助于评价和决策过程。本文针对综合评价问题中属性的重要性难以确定的问题，以决策信息系统为依托，以隐藏在数据中的知识为支撑，以属性集的变化所导致的知识的变化为依据，构建了一种满足模糊测度结构特征，反映属性关联性和重要性的度量机制。进而以此为基础，以Choquet模糊积分作为信息融合的工具，建立了一种基于决策信息系统的综合评价模型，并且结合具体案例分析了该方法的特点。结果表明，该方法不仅与现有的综合评价方法具有本质的区别，而且具有良好的可操作性和可解释性，在资源分配、绩效评价、复杂系统优化等领域具有广泛的应用价值。