Direkt zum Inhalt
Text-Technology
Navigation

Definition

Textklassifikation

Textklassifikation ordnet Texte automatisch vorgegebenen Kategorien zu, etwa Themen, Textsorten oder Dringlichkeitsstufen.

Bei der Textklassifikation erhält jedes Dokument eine oder mehrere Kategorien. Ein System kann so eingehende Mails nach Anliegen sortieren, Zeitungsartikel nach Ressorts ordnen oder Bibliotheksbestände grob erschließen. Die Kategorien müssen vorher klar definiert sein.

Verfahren lernen meist aus Beispielen, die von Hand eingeordnet wurden. Die Güte misst man daran, wie oft die automatische Zuordnung mit der menschlichen übereinstimmt. Unklare Kategorien erschweren das Lernen spürbar.

Gerade bei unscharfen Grenzen zwischen Kategorien lohnt sich eine Prüfung der Fehlentscheidungen, weil dort oft die eigentlichen Probleme der Definition sichtbar werden. Eine gute Trennung der Kategorien ist deshalb oft wichtiger als der Einsatz eines besonders leistungsstarken Verfahrens.

Verwandte Begriffe

  • AnnotationAnnotation ist die Anreicherung von Texten mit zusätzlichen, maschinenlesbaren Informationen wie Wortarten, Strukturen oder Bedeutungen.
  • SprachmodellSprachmodell ist ein statistisches oder neuronales Modell, das Wahrscheinlichkeiten für Wortfolgen berechnet und damit Text vorhersagt oder erzeugt.
  • NLPNLP ist das Forschungs- und Anwendungsfeld, in dem Computer natürliche Sprache verarbeiten, analysieren und erzeugen.
  • KorpusKorpus ist eine systematisch zusammengestellte, digital vorliegende Sammlung von Texten für sprachwissenschaftliche Untersuchungen.