Clasificación de documentos

Se define como la tarea de asignar valores booleanos a cada par $\langle d_{j},c_{i}\rangle$ pertenecientes a $D\times C$, donde $D$ es el dominio de los documentos y $C=\{c_{1},...,c_{n}\}$ es una colección de categorías predefinidas. T (verdadero) indica archivar un documento $d_{j}$ bajo $c_{i}$, mientras F (falso) indica no archivar $d_{j}$ bajo $c_{i}$.

Entre las aplicaciones que encuentra la clasificación de documentos se tienen los filtros de e-mail (spam / no spam)

Las medidas de evaluación utilizadas en la clasificación de documentos son principalmente precisión, cobertura y F-1.​

Enlaces externos

Publicaciones:

• Fabrizio Sebastiani. Machine learning in automated text categorization. ACM Computing Surveys, 34(1):1–47, 2002 [1] (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la última).

• Datos: Q302088