Sobrecategorización

La sobrecategorización , sobrecategorización o desorden de categorías es el proceso de asignar demasiadas categorías, clases o términos de índice a un documento determinado . Está relacionado con los conceptos de clasificación de documentos e indización temática de las ciencias de la información y la biblioteca (LIS) .

En LIS, el número ideal de términos que se deben asignar para clasificar un ítem se mide por las variables precisión y recall . Asignar pocas etiquetas de categoría que estén más estrechamente relacionadas con el contenido del ítem que se está clasificando dará como resultado búsquedas que tengan alta precisión, es decir, donde una alta proporción de los resultados estén estrechamente relacionados con la consulta. Asignar más etiquetas de categoría a cada ítem reducirá la precisión de cada búsqueda, pero aumentará el recall, recuperando resultados más relevantes. Los conceptos de LIS relacionados incluyen exhaustividad de la indexación y sobrecarga de información .

Principios básicos

Si se asignan demasiadas categorías a un documento determinado, las consecuencias para el usuario dependerán de lo informativos que sean los enlaces. Si el usuario es capaz de distinguir entre enlaces útiles y no útiles, el daño es limitado: el usuario sólo pierde tiempo seleccionando enlaces. Sin embargo, en muchos casos, el usuario no puede juzgar si un enlace determinado resultará útil o no. En ese caso, tiene que seguir el enlace y leer u hojear otro documento. El peor escenario posible es, por supuesto, que incluso después de leer el nuevo documento, el usuario no sea capaz de decidir si podría ser útil o no si no se investiga a fondo su contenido.

La sobrecategorización también tiene otra consecuencia desagradable: hace que el sistema (por ejemplo, en Wikipedia ) sea difícil de mantener de forma coherente . Si el sistema es inconsistente, significa que cuando el usuario consulte los enlaces de una categoría determinada, no encontrará todos los documentos relevantes para esa categoría.

Básicamente, el problema de la sobrecategorización debe entenderse desde la perspectiva de la relevancia y las medidas tradicionales de recuerdo y precisión . Si se asignan muy pocas categorías relevantes a un documento, el recuerdo puede disminuir. Si se asignan demasiadas categorías no relevantes, la precisión se reduce. La tarea difícil es decir qué categorías son fructíferas o relevantes para el uso futuro del documento.

Véase también

Referencias