Publication details

Text document classification

Journal Article

Novovičová Jana


serial: ERCIM News, p. 53-54

research: CEZ:AV0Z10750506

project(s): IAA2075302, GA AV ČR, KSK1019101, GA AV ČR, 1M0572, GA MŠk

keywords: document representation, categorization, classification

abstract (eng):

During the last twenty years the number of text documents in digital form is enormously growing in size. As a consequence the need to automatically organize and classify documents is of great practical importance. Text classification aims for partition of an unstructured set of documents into groups that describe the contents of the document. There are two main variants of text classification: text clustering and text categorization. A major characteristic of the problem is the high dimension of text data.

abstract (cze):

V minulých dvaceti letech značně vzrostl počet textových dokumentů v elektronické formě. V důsledku toho je velice žádoucí automaticky organizovat a klasifikovat dokumenty. Výzkum v oblasti klasifikace textů je zaměřen na třídění dokumentů do skupin založených na obsahu dokumentů. Existují dvě hlavní varianty klasifikace textů: shlukování textů (nalezení skrytých skupin v množině dokumentů) a kategorizace textů (zařazení dokumentů do předem definovaných skupin).

Cosati: 09K, 09J

RIV: BD