Categorización automática de documentos en español: algunos resultados experimentales

Abstract

La categorización automática puede contemplarse como un proceso de aprendizaje, durante el cual un programa capta las características que distinguen cada categoría o clase de las demás, es decir, aquéllas que deben poseer los documentos para pertenecer a esa categoría. De otro lado, pocos experimentos se han efectuado todavía con documentos en español. Semuestran las posibilidades de elaborar vectores patrón que recojan lascaracterísticas de distintas clases o categorías de documentos, utilizandotécnicas basadas en aquéllas aplicadas en la expansión de consultas porrelevancia. Al mismo tiempo, se describe un experimento consistente en laaplicación de esas técnicas a una colección de noticias de prensa en español, para su categorización. Los resultados obtenidos son, en conjunto,homologables o incluso mejores que los obtenidos en experimentos similares; para algunas de las categorías, estos resultados han sido muy favorables.