論文の概要: Classification of retail products: From probabilistic ranking to neural
networks
- arxiv url: http://arxiv.org/abs/2312.07482v1
- Date: Tue, 12 Dec 2023 18:11:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 14:49:04.124133
- Title: Classification of retail products: From probabilistic ranking to neural
networks
- Title（参考訳）: 小売商品の分類:確率的ランキングからニューラルネットワークへ
- Authors: Manar Mohamed Hafez, Rebeca P. D\'iaz Redondo, Ana Fern\'andez-Vilas,
H\'ector Olivera Paz\'o
- Abstract要約: 本稿では,常に変化する食品カタログを自動的に3段階の食品分類に分類する手法を提案する。
本稿では,スコアベースランキング法,従来の機械学習アルゴリズム,ディープニューラルネットワークの3つのアプローチについて検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Food retailing is now on an accelerated path to a success penetration into
the digital market by new ways of value creation at all stages of the consumer
decision process. One of the most important imperatives in this path is the
availability of quality data to feed all the process in digital transformation.
But the quality of data is not so obvious if we consider the variety of
products and suppliers in the grocery market. Within this context of digital
transformation of grocery industry, \textit{Midiadia} is Spanish data provider
company that works on converting data from the retailers' products into
knowledge with attributes and insights from the product labels, that is,
maintaining quality data in a dynamic market with a high dispersion of
products. Currently, they manually categorize products (groceries) according to
the information extracted directly (text processing) from the product labelling
and packaging. This paper introduces a solution to automatically categorize the
constantly changing product catalogue into a 3-level food taxonomy. Our
proposal studies three different approaches: a score-based ranking method,
traditional machine learning algorithms, and deep neural networks. Thus, we
provide four different classifiers that support a more efficient and less
error-prone maintenance of groceries catalogues, the main asset of the company.
Finally, we have compared the performance of these three alternatives,
concluding that traditional machine learning algorithms perform better, but
closely followed by the score-based approach.
- Abstract（参考訳）: 食品小売業は、消費者の意思決定プロセスのあらゆる段階における価値創造の新たな方法によって、デジタル市場への浸透を加速させている。
この経路で最も重要なインペラティブの1つは、デジタルトランスフォーメーションのすべてのプロセスに対して、品質データを提供することです。
しかし、食料品市場のさまざまな製品やサプライヤーを考えると、データの品質はそれほど明確ではない。
食料品産業のデジタルトランスフォーメーションのこの文脈の中で、 \textit{Midiadia} はスペインのデータプロバイダ企業であり、小売店の製品からのデータから、製品ラベルの属性や洞察による知識、すなわち、製品の分散度の高い動的市場における品質データを維持することに取り組んでいる。
現在、製品ラベルや包装から抽出された情報(テキスト処理)に従って、手動で製品(食料品)を分類している。
本稿では, 常に変化する食品カタログを3段階の食品分類に自動的に分類する手法を提案する。
本稿では,スコアベースランキング法,従来の機械学習アルゴリズム,ディープニューラルネットワークの3つのアプローチについて検討する。
そこで,当社の主な資産である食料品カタログのより効率的でエラーやすい保守を支援する4つの分類器を提供する。
最後に、これらの3つの選択肢のパフォーマンスを比較し、従来の機械学習アルゴリズムはより良いパフォーマンスを保ちながら、スコアベースのアプローチに密接に従っていると結論付けた。
関連論文リスト
- A Deep Learning Approach for Imbalanced Tabular Data in Advertiser Prospecting: A Case of Direct Mail Prospecting [0.6990493129893112]
本稿では,新たな顧客を特定するための教師付き学習手法を提案する。
このフレームワークは、膨大な数の数値的および分類的特徴を持つ大きな不均衡データセットに取り組むように設計されている。
我々のフレームワークは、オートエンコーダとフィードフォワードニューラルネットワークの2つのコンポーネントで構成されている。
論文 参考訳（メタデータ） (2024-10-02T01:19:40Z) - Multimodal Prompt Learning for Product Title Generation with Extremely
Limited Labels [66.54691023795097]
本稿では,ラベルが限定された新商品のタイトルを生成するためのプロンプトベースアプローチ,すなわちマルチモーダル・プロンプト学習フレームワークを提案する。
我々は、新しい製品の対応する特性と書体を維持するために、異なるモダリティから多モーダルなプロンプトのセットを構築する。
トレーニング用ラベル付きデータの完全化により,本手法は最先端の結果が得られる。
論文 参考訳（メタデータ） (2023-07-05T00:40:40Z) - Automated Extraction of Fine-Grained Standardized Product Information
from Unstructured Multilingual Web Data [66.21317300595483]
機械学習の最近の進歩と最近発表された多言語データセットが組み合わさって、堅牢な製品属性抽出を可能にしていることを示す。
私たちのモデルは、オンラインショップや言語、あるいはその両方で、確実に製品属性を予測できます。
論文 参考訳（メタデータ） (2023-02-23T16:26:11Z) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳（メタデータ） (2022-12-29T19:32:20Z) - Facilitated machine learning for image-based fruit quality assessment in
developing countries [68.8204255655161]
自動画像分類は食品科学における教師あり機械学習の一般的な課題である。
事前学習型視覚変換器(ViT)に基づく代替手法を提案する。
標準的なデバイス上で限られたリソースで簡単に実装できる。
論文 参考訳（メタデータ） (2022-07-10T19:52:20Z) - Opinion Spam Detection: A New Approach Using Machine Learning and
Network-Based Algorithms [2.062593640149623]
オンラインレビューは、消費者が製品やサービスを評価し比較する上で重要な役割を果たす。
偽レビュー(オピニオンスパム)が普及し、顧客やサービスプロバイダに悪影響を及ぼしている。
本稿では,機械学習とメッセージパッシングアルゴリズムを組み合わせて,レビュアーをスパマーや良心として分類する手法を提案する。
論文 参考訳（メタデータ） (2022-05-26T15:27:46Z) - Exploiting Knowledge Graphs for Facilitating Product/Service Discovery [1.2691047660244332]
本研究は,データ分類に教師なしアプローチを採用することにより,データWeb上でのeコマースのための費用対効果のソリューションを提案する。
提案アーキテクチャでは,Web言語OWLで利用可能な製品について記述し,それをトリプルストアに格納する。
特定の製品のユーザ入力仕様は、利用可能な製品カテゴリと一致し、知識グラフを生成する。
論文 参考訳（メタデータ） (2020-10-11T10:22:10Z) - Multi-label classification of promotions in digital leaflets using
textual and visual information [1.5469452301122175]
本稿では,デジタルリーフレット内のプロモーションを製品カテゴリに分類するエンドツーエンドアプローチを提案する。
提案手法は,1) 領域検出,2) テキスト認識,3) テキスト分類の3つの重要な構成要素に分けることができる。
我々は、Nielsenが取得したデジタルリーフレットの画像からなるプライベートデータセットを用いて、モデルをトレーニングし、評価する。
論文 参考訳（メタデータ） (2020-10-07T11:05:12Z) - Adversarial Knowledge Transfer from Unlabeled Data [62.97253639100014]
本稿では,インターネット規模の未ラベルデータから知識を伝達し,分類器の性能を向上させるための新しいAdversarial Knowledge Transferフレームワークを提案する。
我々の手法の重要な新しい側面は、ラベル付けされていないソースデータは、ラベル付けされたターゲットデータと異なるクラスであることができ、個別のプリテキストタスクを定義する必要がないことである。
論文 参考訳（メタデータ） (2020-08-13T08:04:27Z) - Automatic Validation of Textual Attribute Values in E-commerce Catalog
by Learning with Limited Labeled Data [61.789797281676606]
そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。
限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。
ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
論文 参考訳（メタデータ） (2020-06-15T21:31:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。