:::
自動文件分類 - 教育百科
| 自 | |
| 動 | |
| 文 | |
| 件 | |
| 分 | |
| 類 |
國家教育研究院辭書
基本資料
| 英文： | automatic document classification |
| 日期： | 2003年6月 |
| 出處： | 資訊與通信術語辭典 |
辭書內容
|
名詞解釋： 指電腦根據已有的分類法，對文件內容加以分析，或與分類法的項目內容加以比較，對文件自動賦與目標類號的過程和結果。其主要方法有語義分析法、語法分析法和統計法。 |
|
| 資料來源： | 國家教育研究院_自動文件分類 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |
基本資料
| 英文： | automatic text classification |
| 作者： | 曾元顯 |
| 日期： | 2012年10月 |
| 出處： | 圖書館學與資訊科學大辭典 |
辭書內容
|
名詞解釋： 文件分類（document classification or text classification）是根據文件的內容主題，給定類別的工作。例如，新聞文件可按其報導的內容，給予「政治」、「外交」、「娛樂」、「運動」等類別。通常，這些類別都是事先定義或選定，以符合文件管理者的需求與期望。而給定類別的工作，傳統上都由人工閱覽文件後，給予適當的類別標示，若由機器自動執行，則稱為自動文件分類。文件分類是相當高階的知識處理工作。要將文件分類自動化，必須先整理出人工分類時的規則，電腦才能據以執行。然而，多數的分類工作，其分類規則通常難以用人工分析歸納獲得。因此，機器在做自動分類之前，還必須加以訓練，使其自動學習出人工分類的經驗與知識。 現今自然語言理解的技術，還無法讓電腦瞭解任意的自由文句。因此機器在做文件分類時，常將文件分解成一個個語意較小的單位，通常為文件的關鍵詞彙，或稱「特徵詞彙」，在做機器訓練時，就從這些已知的詞彙與類別關係中找出對應的計算模型。 有時分類的問題，簡單到只要文件的某個欄位中出現什麼特徵詞，就分到什麼類別去。但大部分的情況都沒那麼簡單。例如：「外交」這個類別，如何界定哪些詞彙一定是屬於這個類別，哪些不是？顯然某些詞彙對這個類別較重要（比較有鑑別力），其他的則較不重要（比較不具鑑別力）。如何決定這些詞彙在每個類別的權重，正是機器學習（machine learning） 可以派上用場的地方。而常用的機器學習方法，有SVM（support vector machine）、KNN（k-nearest neighbors）、naïve bayes等等。 目前自動文件分類的成效，有些已達人工分類水準，並且可同時進行上千個類別、上千篇文件的每日即時分類。文件分類自動化後，會帶出更新、更便利的應用方式，除了提供館藏瀏覽（collection browsing）、主題檢索（topic-based retrieval）、文件管理（歸檔、調閱、分享）外，還可應用在網頁過濾、電子郵件過濾、資訊選萃（selected dissemination of information，簡稱SDI）、資訊過濾或配送（information filter or routing）、甚至是文字探勘（text mining）、 新知發掘（knowledge discovery）、知識管理（knowledge management）等領域。跟文件檢索一樣，舉凡牽涉到非結構化文件的處理，都有文件分類的應用。評估自動分類成效的方法，有Micro-F與Macro-F，詳見F-度量詞條。 |
|
| 資料來源： | 國家教育研究院_自動文件分類 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |