Clasificación de documentos

Se define como la tarea de asignar variables Booleanas a cada par $<d_{j},c_{i}>$ pertenecientes a $DxC$, donde $D$ es el dominio de los documentos y $C=\{c_{1},...,c_{n}\}$ es una colección de categorías predefinidas. T indica archivar un documento $d_{j}$ bajo $c_{i}$, mientras F 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)

Enlaces externos

Publicaciones:

• Fabrizio Sebastiani. Machine learning in automated text categorization. ACM Computing Surveys, 34(1):1–47, 2002 [1]