實證：多模態與多視角資訊融合提升文件分類準確度
研究系統性回顧139篇，整理資訊融合在文件分類的成效。研究構建統一框架，採質性分析與隨機效應統合量化成果。發現多模態融合使準確度平均提升5.28百分點且顯著，多視角融合在準確度、F1與召回亦有穩定但較小提升，且多數研究缺乏嚴謹統計驗證。值得注意。
資訊融合在文件分類：速報
系統性回顧139篇研究，評估資訊融合對文件分類的實務效益與方法挑戰。研究先提出一套形式化框架，用以結構化多模態與多視角的研究範疇，並以質性分析勾勒關鍵趨勢，最後以隨機效果模型進行量化彙整。
量化結果指出，多模態融合在準確度上平均提升5.28個百分點並達統計顯著；F1分數方向性為正但在主要模型未達顯著。多視角融合則在準確度、F1與召回三項指標帶來一致但幅度較小的改善，且結果在統計上顯示一定顯著性。
此外，研究的質性綜述揭露方法學弱點：只有少部分研究採用統計檢定驗證其發現，削弱整體可重複性與可信度。作者總結，資訊融合成敗關鍵不在於演算法的複雜度，而在於是否將融合策略與任務情境策略性對齊，以及落實更嚴謹的驗證流程。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
