[论文解读] A Comprehensive Survey of Text Classification Techniques and Their Research Applications: Observational and Experimental Insights

Kamal Taha, Paul D. Yoo+2 more|arXiv (Cornell University)|Jan 11, 2024

Text and Document Classification Technologies被引用 5

一句话总结

一篇以分类法为驱动的综述，将文本分类技术按研究领域与方法论进行分类，并在经验性和实验性层面比较技术，以提供特定领域的指导。

ABSTRACT

The exponential growth of textual data presents substantial challenges in management and analysis, notably due to high storage and processing costs. Text classification, a vital aspect of text mining, provides robust solutions by enabling efficient categorization and organization of text data. These techniques allow individuals, researchers, and businesses to derive meaningful patterns and insights from large volumes of text. This survey paper introduces a comprehensive taxonomy specifically designed for text classification based on research fields. The taxonomy is structured into hierarchical levels: research field-based category, research field-based sub-category, methodology-based technique, methodology sub-technique, and research field applications. We employ a dual evaluation approach: empirical and experimental. Empirically, we assess text classification techniques across four critical criteria. Experimentally, we compare and rank the methodology sub-techniques within the same methodology technique and within the same overall research field sub-category. This structured taxonomy, coupled with thorough evaluations, provides a detailed and nuanced understanding of text classification algorithms and their applications, empowering researchers to make informed decisions based on precise, field-specific insights.

研究动机与目标

• 为文本分类创建一个分领域的分层分类法
• 在多项标准上对文本分类技术进行经验性评估
• 在相同技术与领域内比较和排序方法学子技术
• 提供观察性与实验性洞察以指导研究人员在方法选择时的观察性与实验性洞察
• 使对算法在各领域的适用性和局限性有特定理解

提出的方法

• 开发一个具有以下层级的分层分类法：研究领域类别、研究领域子类别、方法学技术、方法学子技术，以及研究领域应用
• 在四个标准上应用经验评估以评估技术
• 进行实验比较以在相同技术和领域内对子技术进行排名
• 使用观察性洞察来补充实验发现
• 综合结果以帮助研究人员做出明智决定

实验结果

研究问题

• RQ1 构成一个全面的、基于领域的文本分类技术分类法的要素是什么？
• RQ2 在定义的经验标准上，文本分类技术在不同研究领域之间的比较如何？
• RQ3 基于实验证据，在相同技术和领域内，方法学子技术的排名如何？
• RQ4 可以得出哪些实用且领域特定的指导，以选择文本分类方法？

主要发现

• 该研究提供了面向研究领域定制的分层分类法。
• 经验评估覆盖了用于技术评估的四个关键标准。
• 实验比较提供了在相同技术和领域内的子技术排名。
• 综合的分类法与评估为研究人员提供细致且领域特定的指导。
• 该方法使跨领域的文本分类方法选择能够做出明智的决策。