Vneste řád do dokumentů

Úkol: dokumenty bez kategorií

Pokud dokumenty přicházejí bez užitečných označení, rozhodování o jejich zařazení se může stát opakující se ruční prací. Samotný název souboru nemusí prozradit typ obsahu uvnitř.

Klasifikace podle obsahu

Publikované řešení peoly pro zpracování přirozeného jazyka analyzuje obsah dokumentů a přiřazuje předdefinované typy. Ty vytvářejí strukturu pro ukládání do databáze nebo třídění do odpovídajících kategorií.

Původní portfolio uvádí příklad souborů PDF bez označení kategorií: klasifikátor je rozdělí do dohodnutých skupin bez nutnosti každý jednotlivě otevřít. Kategorie odpovídají úkolu a neodvozují se pouze z názvu souboru.

Propojení výsledku s pracovním postupem

Klasifikace získává praktický význam, když má výsledek určené další použití. Popis tohoto projektu propojuje analýzu obsahu s uspořádáním a ukládáním dokumentů.

Pro nový soubor dokumentů potřebujeme reprezentativní vzorky, jasný systém kategorií a pravidla jejich zpracování. Je také potřeba určit postup pro obsah, který nelze zařadit s dostatečnou jistotou. Tato rozhodnutí mění výstup modelu na užitečný krok při zpracování dokumentů.