Se define como la tarea de asignar valores booleanos a cada par ${\displaystyle \langle d_{j},c_{i}\rangle }$ pertenecientes a ${\displaystyle D\times C}$, donde ${\displaystyle D}$ es el dominio de los documentos y ${\displaystyle C=\{c_{1},...,c_{n}\))$ es una colección de categorías predefinidas. T (verdadero) indica archivar un documento ${\displaystyle d_{j))$ bajo ${\displaystyle c_{i))$, mientras F (falso) indica no archivar ${\displaystyle d_{j))$ bajo ${\displaystyle c_{i))$.

Entre las aplicaciones que encuentra la clasificación de documentos se tienen los filtros de correo electrónico (spam / no spam)

Las medidas de evaluación utilizadas en la clasificación de documentos son principalmente precisión, cobertura y F-1.^[1]​

Publicaciones:

• Fabrizio Sebastiani. Machine learning in automated text categorization. ACM Computing Surveys, 34(1):1–47, 2002 [1] (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la última).