La clasificación de documentos o la categorización de documentos es un problema en bibliotecología, ciencias de la información e informática . La tarea consiste en asignar un documento a una o más clases o categorías . Esto puede hacerse "manualmente" (o "intelectualmente") o algorítmicamente . La clasificación intelectual de documentos ha sido principalmente competencia de la ciencia bibliotecaria, mientras que la clasificación algorítmica de documentos se encuentra principalmente en ciencias de la información e informática. Sin embargo, los problemas se superponen y, por lo tanto, existe una investigación interdisciplinaria sobre la clasificación de documentos.
Los documentos a clasificar pueden ser textos, imágenes, música, etc. Cada tipo de documento tiene sus problemas especiales de clasificación. Cuando no se especifica lo contrario, la clasificación del texto está implícita.
Los documentos pueden clasificarse según su tema o según otros atributos (como tipo de documento, autor, año de impresión, etc.). En el resto de este artículo solo se considera la clasificación de materias. Hay dos filosofías principales de la clasificación de documentos por materias: el enfoque basado en contenido y el enfoque basado en solicitudes.
La clasificación basada en contenido es una clasificación en la que el peso que se le da a temas particulares en un documento determina la clase a la que se asigna el documento. Es, por ejemplo, una regla común para la clasificación en bibliotecas, que al menos el 20% del contenido de un libro debe ser sobre la clase a la que se asigna el libro. [1] En la clasificación automática, podría ser el número de veces que aparecen determinadas palabras en un documento.
La clasificación orientada a solicitudes (o indexación) es una clasificación en la que la solicitud anticipada de los usuarios influye en la forma en que se clasifican los documentos. El clasificador se pregunta a sí mismo: "¿Bajo qué descriptores se debe encontrar esta entidad?" y “pensar en todas las consultas posibles y decidir para cuáles es relevante la entidad en cuestión” (Soergel, 1985, p. 230 [2] ).
La clasificación orientada a solicitudes puede ser una clasificación dirigida a una audiencia o grupo de usuarios en particular. Por ejemplo, una biblioteca o una base de datos para estudios feministas pueden clasificar / indexar documentos de manera diferente en comparación con una biblioteca histórica. Sin embargo, probablemente sea mejor entender la clasificación orientada a solicitudes como clasificación basada en políticas : la clasificación se realiza de acuerdo con algunos ideales y refleja el propósito de la biblioteca o base de datos que realiza la clasificación. De esta forma no es necesariamente una especie de clasificación o indexación basada en estudios de usuarios. Solo si se aplican datos empíricos sobre el uso o los usuarios, la clasificación orientada a las solicitudes debe considerarse un enfoque basado en el usuario.