Clasificación de documentos

Se define como la tarea de asignar valores booleanos a cada par $⟨d_j,c_i⟩$ 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 correo electrónico (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 Plantilla:Enlace roto