Задача классификации текстовых документов

Данной множество документов D={d₁,d₂,…,d_n} и множество рубрик C={c₁,c₂,…c_n} иерархию рубрик описывает множество H={<c_i,c_j>,c_i,c_j, є С, i!=j} Требуется разработать процедуру нахождения наиболее вероятной рубрики из множества C для исследуемого документа d_i є D.решение задачи основано на предположения что документы одно и той же рубрики содержат одинаковые признаки (ключевые понятия). Наличие таких признаков говорит о принадлежности конкретного документа к конкретней рубрики.

Пусть каждая рубрика имеет множество признаков. F(c)=UF(c_r) F(c_r)=<f₁,f₂,…,f_z>. Множество F(C) называют словарем рубрики C_r. В результате решения задачи выделения ключевых понятий каждый экземпляра документа также можно описать набором отдельных признаков. F(d)=<f₁,…,f_iⁱ,..f_yⁱ> при этом множество всех документов должно совпадать с множеством всех документов. F(D)=UF(d_i) F(D)=F(C). Тогда принадлежности документа d₁ к рубрики c_i может быть принято на основании следующих утверждений F(d_i)ᴖF(c_r).

Решением задачи классификации является свод правил позволяющий налущим образом принимать решения об отнесения экземпляра документа к рубрики. Способ решения данной задаче делиться на 2 группы:

1. машинное обучение;

2. экспертные методы;