Dec, 2023

零售产品分类：从概率排名到神经网络

PDF
TL;DR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。
food retailingdigital marketquality dataproduct categorizationmachine learning algorithms
发现论文，激发创造
  • 不分类，翻译：通过机器翻译进行多级电子商务产品分类

    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。

    Dec, 2018

  • 商店货架上产品识别的深度学习流水线

    使用基于深度学习的对象检测和图像检索技术，通过全局描述符之间的相似度搜索，在快速高效的识别超市商品的同时能够满足不断变化的商品和包装需求。

    Oct, 2018

  • 辅助购物细粒度产品类别识别

    介绍了一种辅助购物系统，该系统可视化识别购物者所需产品，并通过主动学习进一步提高识别准确性，为视障人士等提供更好的购物体验。

    Oct, 2015

  • 多标准推荐系统促进在线杂货业务

    通过使用词袋和基于神经网络的文档组合方法（Doc2Vec），本研究提出了产品、包装和健康三个标准的在线食品杂货推荐系统，通过使用这两种文档表示方法，在产品特性（成分、包装、营养表，过敏原等）等方面提供最佳的推荐，调查结果显示基于神经网络的 Doc2Vec 方法的表现更好且完全改变了结果。

    Dec, 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

  • 一种用于电子商务产品分类的多模态后融合模型

    本研究基于文本和图像模态探讨了一种基于多模态晚期融合的方法，以对 Rakuten 上的电子商务产品进行分类，并证明了该方法相比于单模态和其他多模态方法的有效性和优越性。该研究团队在 SIGIR 2020 电子商务研讨会数据挑战赛的多模态产品分类任务中以 0.9144 的 macro-F1 得分荣获第一名。

    Aug, 2020

  • 基于文本和视觉信息的数字传单促销多标签分类

    本文提出了一种利用图像和文本信息识别电子传单内的促销品，对其进行分类以及多标签文本分类的方法，通过对 Nielsen 电子传单获取的图像进行训练和评估，不断优化后我们的模型在所有实验中均明显优于基准模型。

    Oct, 2020

  • 大规模产品分类与结构化 / 非结构化属性

    本文研究了使用基于层次模型和平面模型的两个深度学习模型，以及结合结构化和非结构化特征的卷积滤波的新方法，以解决电子商务中几千个类别和数百万个产品的产品分类问题。

    Mar, 2019

  • 电子商务中选择最佳产品图片的智能系统

    本文提出了一种基于机器学习的视觉内容管理系统，用于极大型电子商务产品目录。该系统基于图像分类技术，从多个供应商聚合产品图像，并根据顾客需求进行优化，通过不同阶段的分析实现计算机视觉和深度学习技术，解决实际业务问题。

    Nov, 2018

  • 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