تصنيف الوثائق

الموسوعة الحرة

يُعدّ تصنيف الوثائق مشكلةً في علم المكتبات ، وعلم المعلومات ، وعلوم الحاسوب . وتتمثل المهمة في إسناد وثيقةٍ إلى فئةٍ أو أكثر . ويمكن القيام بذلك يدويًا (أو فكريًا) أو باستخدام خوارزميات . وقد كان التصنيف الفكري للوثائق في الغالب من اختصاص علم المكتبات، بينما يقع التصنيف الخوارزمي للوثائق أساسًا ضمن اختصاص علم المعلومات وعلوم الحاسوب. ومع ذلك، تتداخل هذه المشكلات، ولذا يوجد بحثٌ متعدد التخصصات في مجال تصنيف الوثائق.

قد تشمل الوثائق المراد تصنيفها نصوصًا أو صورًا أو موسيقى، وما إلى ذلك. ولكل نوع من هذه الوثائق تحدياته الخاصة في التصنيف. وما لم يُنص على خلاف ذلك، يُفترض تصنيفها كنصوص .

يمكن تصنيف الوثائق وفقًا لموضوعاتها أو وفقًا لخصائص أخرى (مثل نوع الوثيقة، والمؤلف، وسنة الطباعة، إلخ). في بقية هذه المقالة، سنتناول فقط تصنيف الموضوعات. هناك منهجان رئيسيان لتصنيف موضوعات الوثائق: المنهج القائم على المحتوى والمنهج القائم على الطلب.

التصنيف "القائم على المحتوى" مقابل التصنيف "القائم على الطلب"

التصنيف القائم على المحتوى هو تصنيف يُحدد فيه وزن موضوعات معينة في وثيقة ما الفئة التي تُصنف ضمنها. فعلى سبيل المثال، من القواعد الشائعة في تصنيف المكتبات أن يكون 20% على الأقل من محتوى الكتاب متعلقًا بالفئة التي يُصنف ضمنها. [ 1 ] أما في التصنيف الآلي، فقد يكون هذا الوزن هو عدد مرات ظهور كلمات معينة في الوثيقة.

التصنيف الموجه بالطلب (أو الفهرسة الموجهة بالطلب) هو تصنيف يؤثر فيه الطلب المتوقع من المستخدمين على كيفية تصنيف المستندات. يسأل المصنف نفسه: "ما هي الواصفات التي يجب أن يُعثر على هذا الكيان تحتها؟" و"فكّر في جميع الاستعلامات الممكنة وقرر أيها يكون الكيان المعني ذا صلة به" (سورجل، 1985، ص  230 [ 2 ] ).

قد يكون التصنيف الموجه نحو الطلب تصنيفًا يستهدف جمهورًا أو فئة مستخدمين محددة. على سبيل المثال، قد تُصنّف/تُفهرس مكتبة أو قاعدة بيانات للدراسات النسوية الوثائق بشكل مختلف عن مكتبة تاريخية. مع ذلك، من الأفضل فهم التصنيف الموجه نحو الطلب على أنه تصنيف قائم على السياسات : إذ يُجرى التصنيف وفقًا لبعض المعايير ويعكس غرض المكتبة أو قاعدة البيانات من إجراء التصنيف. وبهذا، لا يُعد بالضرورة نوعًا من التصنيف أو الفهرسة القائم على دراسات المستخدمين. فقط عند تطبيق بيانات تجريبية حول الاستخدام أو المستخدمين، يُمكن اعتبار التصنيف الموجه نحو الطلب نهجًا قائمًا على المستخدم.

التصنيف مقابل الفهرسة

أحيانًا يُفرَّق بين تصنيف الوثائق إلى فئات ("التصنيف") وبين تحديد موضوعاتها (" الفهرسة الموضوعية ")، ولكن كما أوضح فريدريك ويلفريد لانكستر ، فإن هذا التمييز غير مُجدٍ. يكتب لانكستر: "هذه الفروقات المصطلحية لا معنى لها، ولا تُؤدي إلا إلى إثارة اللبس" (لانكستر، 2003، ص  21 [ 3 ] ). ويُؤيِّد الرأي القائل بأن هذا التمييز سطحيٌّ بحتٌ حقيقةُ إمكانية تحويل نظام التصنيف إلى قاموس مصطلحات ، والعكس صحيح (انظر: أيتشيسون، 1986، [ 4 ] 2004؛ [ 5 ] بروتون، 2008؛ [ 6 ] ريستهاوس وبليدونغ، 1991 [ 7 ] ). لذلك، فإن إسناد مصطلح موضوعي إلى مستند في فهرس يعادل إسناد ذلك المستند إلى فئة المستندات المفهرسة بواسطة ذلك المصطلح (جميع المستندات المفهرسة أو المصنفة على أنها X تنتمي إلى نفس فئة المستندات).

التصنيف الآلي للوثائق

يمكن تقسيم مهام التصنيف التلقائي للمستندات إلى ثلاثة أنواع: التصنيف الخاضع للإشراف، حيث توفر آلية خارجية (مثل التقييم البشري) معلومات حول التصنيف الصحيح للمستندات؛ والتصنيف غير الخاضع للإشراف (المعروف أيضًا بتجميع المستندات )، حيث يتم التصنيف بالكامل دون الرجوع إلى معلومات خارجية؛ والتصنيف شبه الخاضع للإشراف ، [ 8 ] حيث يتم تصنيف أجزاء من المستندات بواسطة الآلية الخارجية. تتوفر العديد من البرامج بموجب نماذج ترخيص مختلفة. [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ]

التقنيات

تشمل تقنيات التصنيف الآلي للوثائق ما يلي:

التطبيقات

تم تطبيق تقنيات التصنيف على

  • تصفية البريد العشوائي ، وهي عملية تحاول التمييز بين رسائل البريد الإلكتروني العشوائية ورسائل البريد الإلكتروني المشروعة.
  • توجيه البريد الإلكتروني ، إرسال بريد إلكتروني مرسل إلى عنوان عام إلى عنوان أو صندوق بريد محدد حسب الموضوع [ 15 ]
  • التعرف على اللغة ، تحديد لغة النص تلقائيًا
  • تصنيف النوع، وتحديد نوع النص تلقائيًا [ 16 ]
  • تقييم سهولة القراءة ، الذي يحدد تلقائيًا درجة سهولة قراءة النص، إما لإيجاد مواد مناسبة لمختلف الفئات العمرية أو أنواع القراء، أو كجزء من نظام أكبر لتبسيط النصوص.
  • تحليل المشاعر ، تحديد موقف المتحدث أو الكاتب فيما يتعلق بموضوع معين أو القطبية السياقية العامة للوثيقة.
  • التصنيف المتعلق بالصحة باستخدام وسائل التواصل الاجتماعي في مراقبة الصحة العامة [ 17 ]
  • فرز المقالات، واختيار المقالات ذات الصلة بالتنسيق اليدوي للأدبيات، على سبيل المثال كما هو الحال كخطوة أولى لإنشاء قواعد بيانات التعليقات المنسقة يدويًا في علم الأحياء [ 18 ].

انظر أيضاً

مراجع

  1. ↑ مكتبة الكونغرس (2008). دليل رؤوس الموضوعات. واشنطن العاصمة: مكتبة الكونغرس، قسم السياسات والمعايير. (الورقة H 180: "خصص رؤوسًا فقط للمواضيع التي تشكل 20% على الأقل من العمل.")
  2. ↑ سورجل، داغوبيرت (1985). تنظيم المعلومات: مبادئ قواعد البيانات وأنظمة الاسترجاع . أورلاندو، فلوريدا: دار النشر الأكاديمية.
  3. ↑ لانكستر، إف دبليو (2003). الفهرسة والتلخيص نظرياً وعملياً. جمعية المكتبات، لندن.
  4. ↑ أيتشيسون، ج. (1986). "التصنيف كمصدر للمعجم: التصنيف الببليوغرافي لـ HE Bliss كمصدر لمصطلحات وبنية المعجم." مجلة التوثيق، المجلد 42، العدد 3، الصفحات 160-181.
  5. ↑ أيتشيسون، ج. (2004). "معاجم من BC2: مشاكل وإمكانيات تم الكشف عنها في معجم تجريبي مستمد من جدول موسيقى بليس." نشرة تصنيف بليس، المجلد 46، الصفحات 20-26.
  6. ↑ بروتون، ف. (2008). " التصنيف متعدد الأوجه كأساس للمصطلحات متعددة الأوجه: تحويل بنية مصنفة إلى شكل قاموس في تصنيف بليس الببليوغرافي (الطبعة الثانية)." أكسيوماتيس، المجلد 18، العدد 2، الصفحات 193-210.
  7. ↑ ريستهاوس، جي جيه إيه، وبليدونغ، إس تي (1991). "استخدام المصطلحات في تصنيف ديوي العشري". أدوات تنظيم المعرفة والتفاعل البشري، المجلد 2، الصفحات 109-117. دار إندكس للنشر، فرانكفورت.
  8. ↑ روسي، آر جي، لوبيز، إيه دي إيه، وريزيندي، إس أو (2016). التحسين ونشر التصنيفات في الشبكات غير المتجانسة ثنائية الأجزاء لتحسين التصنيف الاستقرائي للنصوص . معالجة المعلومات والإدارة، 52(2):217-257.
  9. ↑ "نموذج أولي تفاعلي لتصنيف المستندات تلقائيًا" (ملف PDF) . مؤرشف من النسخة الأصلية (ملف PDF) بتاريخ 15 نوفمبر 2017. تم الاطلاع عليه بتاريخ 14 نوفمبر 2017 .
  10. ↑ نموذج أولي تفاعلي لتصنيف المستندات تلقائيًا، مؤرشف في 24 أبريل 2015، على موقع Wayback Machine
  11. ↑ تصنيف الوثائق - أرتسيل
  12. ↑ محرك ABBYY FineReader 11 لنظام التشغيل Windows
  13. ↑ المصنف - مضاد النقاط
  14. ↑ "3 طرق لتصنيف المستندات للمشاريع الصعبة" . www.bisok.com . تاريخ الاسترجاع: 2021-08-04 .
  15. ^ ستيفان بوسمان، سفين شماير ورومان ج. أرينز (2000). تصنيف الرسائل في مركز الاتصال . في سيرجي نيرينبرج، دوغلاس أبيلت، فابيو سيرافيجنا وروبرت ديل، محررون، بروك. المؤتمر السادس التطبيقي لمعالجة اللغات الطبيعية. (ANLP'00)، الصفحات من 158 إلى 165، الرباط الصليبي الأمامي.
  16. ↑ سانتيني، مارينا؛ روسو، مارك (2008)، اختبار تطبيق يدعم أنواعًا محددة: تقييم أولي (ملف PDF) ، ندوة BCS IRSG: التوجهات المستقبلية في الوصول إلى المعلومات، لندن، المملكة المتحدة، الصفحات 54-63 ، مؤرشف من النسخة الأصلية (ملف PDF) بتاريخ 15 نوفمبر 2019 ، تم الاطلاع عليه بتاريخ 21 أكتوبر 2011 {{citation}}: CS1 maint: موقع الناشر مفقود ( رابط )
  17. ↑ داي، إكس.؛ بيكداش، إم.؛ ماير، بي. (2017). من وسائل التواصل الاجتماعي إلى مراقبة الصحة العامة: طريقة التجميع القائمة على تضمين الكلمات لتصنيف تويتر . مؤتمر جنوب شرق الولايات المتحدة 2017. شارلوت، كارولاينا الشمالية. ص 1-7 . doi : 10.1109/SECON.2017.7925400 . 
  18. ↑ كرالينجر، م؛ لايتنر، ف؛ رودريغيز-بيناغوس، س؛ فالنسيا، أ (2008). "نظرة عامة على مهمة استخراج بيانات التفاعل بين البروتينات في برنامج Bio Creative II" . علم الأحياء الجينومي . 9 (ملحق 2): S4. doi : 10.1186/gb-2008-9-s2-s4 . PMC 2559988. PMID 18834495 .  

للمزيد من القراءة