La gestione e il recupero efficiente delle informazioni all'interno della pubblica amministrazione si basano in larga misura sull'accuratezza dei metadati dei documenti. Questa tesi affronta affronta la classificazione dei metadati attraverso metodologie di natural language processing (NLP), abbinate a un'analisi delle tecniche tradizionali di apprendimento automatico (ML) e di apprendimento profondo (DL). Utilizzando un insieme di dati curati da enti della pubblica amministrazione italiana, questa ricerca indaga l'efficacia di diversi approcci, tra cui le Support Vector Machine (SVM), in combinazione con metodi di preprocessing come la tokenizzazione (Unigram o base), la Term Frequency (TF), la Term Frequency-Inverse Document Frequency (TF-IDF) e Doc2Vec.