不分类，翻译：通过机器翻译进行多级电子商务产品分类

Dec, 2018

不分类，翻译：通过机器翻译进行多级电子商务产品分类

Don't Classify, Translate: Multi-Level E-Commerce Product Categorization Via Machine Translation

Maggie Yundi Li, Stanley Kok, Liling Tan

TL;DR本文提出了一种基于机器翻译的产品分类新范式，通过将产品的自然语言描述翻译成代表产品分类树中从根到叶子的路径的一系列标记，实现了比最先进的分类系统更好的预测准确性，并且可以在分类树中提出有意义的新路径，将其转换为有向无环图，从而有助于用户友好浏览和适应新产品的分类。

Abstract

e-commerce platforms categorize their products into a multi-level taxonomy tree with thousands of leaf categories. Conventional methods for product categorization are typically based on machine learning classification algorithms. These algorithms take product information as input (e.g.

e-commerce product categorization machine translation predictive accuracy taxonomy dag

发现论文，激发创造

电子商务中的产品分类使用分布语义学

针对商品分类中的文本表示和算法效率问题，我们提出了一种新的分布式语义表示方法和两层集合式分类器来降低错误率，实验结果表明，我们的方法比先前的方法在各种评价指标上更有效。

Jun, 2016

电子商务系统中基于深度分层分类的类别预测

提出在电子商务系统中利用神经网络构建深度分层分类框架进行自动分类预测，定义多层次分类树的表示共享策略，引入新的联合损失函数对分层分类进行惩罚，实验证明该方法在分类准确率方面优于现有方法。

May, 2020

电子商务搜索中的层次化查询分类

通过增强的表示学习和细粒度实例关系的对比损失，以及关注内在标签分类法的细粒度层次分类损失，我们提出了一种新颖的框架来解决层次化查询分类的挑战，同时利用与已标注查询共享的无标签查询的相似性智能地选择这些查询以提高分类性能。实验证明，我们的方法优于专有的 Amazon 数据集上的最先进方法，并与 Web of Science 和 RCV1-V2 的公共数据集中的最先进方法相媲美，这些结果凸显了我们提出解决方案的有效性，并为下一代层次感知查询分类系统铺平了道路。

Mar, 2024

自动从非结构化多语言 Web 数据中提取精细化标准化产品信息

该论文展示了最近机器学习的进展，结合已发表的标准化细粒度产品类别信息的多语言数据集，使得在具有挑战性的迁移学习设置中实现了可靠的产品属性提取，可以跨在线商店、语言或两者可靠地预测产品属性，并且可用于匹配在线零售商之间的产品分类法。

Feb, 2023

一张图 worth 一千字吗？一种深度多模融合 e-commerce 商品分类模型

该论文采用决策级融合方法将文本和图像输入用于产品分类预测，通过训练深度神经网络和学习网络来选择输入类型，并成功地提高了大规模产品分类数据集上的准确性。

Nov, 2016

基于产品的跨模态跨语言预训练机器翻译

本研究构建了一个大规模的双语产品描述数据集，并设计了一个统一的产品导向跨模态跨语言模型来学习诸如对象、形状、颜色和主体风格等多方面的视觉语义，证明了我们的模型在多个产品领域中的显着优势。

Aug, 2021

零售产品分类：从概率排名到神经网络

数字市场的食品零售正在快速渗透，而关键是提供高质量数据以满足数字转型中的需求。该研究介绍了一种自动对不断变化的产品目录进行分类的解决方案，对比了不同方法，最终得出传统机器学习算法表现更好，但受评分排名方法紧随其后的结论。