論文の概要: Leveraging Large Language Models For Optimized Item Categorization using UNSPSC Taxonomy

• arxiv url: http://arxiv.org/abs/2503.04728v1
• Date: Sat, 28 Dec 2024 00:12:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-16 13:23:33.498057
• Title: Leveraging Large Language Models For Optimized Item Categorization using UNSPSC Taxonomy
• Title（参考訳）: UNSPSC分類を用いた最適化項目分類のための大規模言語モデルの活用
• Authors: Anmolika Singh, Yuhang Diao,
• Abstract要約: 国連標準製品サービスコード(UNSPSC)は、在庫のカタログ化のための標準化されたシステムを提供する。 本稿では,項目記述に基づくUNSPSCコードへの在庫データの分類を自動化するために,LLM(Large Language Models)の展開について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Effective item categorization is vital for businesses, enabling the transformation of unstructured datasets into organized categories that streamline inventory management. Despite its importance, item categorization remains highly subjective and lacks a uniform standard across industries and businesses. The United Nations Standard Products and Services Code (UNSPSC) provides a standardized system for cataloguing inventory, yet employing UNSPSC categorizations often demands significant manual effort. This paper investigates the deployment of Large Language Models (LLMs) to automate the classification of inventory data into UNSPSC codes based on Item Descriptions. We evaluate the accuracy and efficiency of LLMs in categorizing diverse datasets, exploring their language processing capabilities and their potential as a tool for standardizing inventory classification. Our findings reveal that LLMs can substantially diminish the manual labor involved in item categorization while maintaining high accuracy, offering a scalable solution for businesses striving to enhance their inventory management practices.
• Abstract（参考訳）: 効果的な項目分類はビジネスにとって不可欠であり、非構造化データセットを在庫管理を効率化する組織化されたカテゴリに変換することができる。 その重要性にもかかわらず、項目分類は非常に主観的であり、産業や企業全体で統一的な基準が欠如している。 国連標準製品サービスコード(UNSPSC)は在庫のカタログ化のための標準化されたシステムを提供しているが、UNSPSCの分類は多くの場合、かなりの手作業を必要とする。 本稿では,項目記述に基づくUNSPSCコードへの在庫データの分類を自動化するために,LLM(Large Language Models)の展開について検討する。 多様なデータセットを分類する際のLCMの精度と効率を評価し,それらの言語処理能力と在庫分類の標準化ツールとしての可能性を探る。 以上の結果から,LCMは品目分類に係わる作業を大幅に減らし,精度を保ちつつ,在庫管理の実践を充実させようとする企業に対して,スケーラブルなソリューションを提供することが示唆された。

関連論文リスト

• Leveraging Taxonomy and LLMs for Improved Multimodal Hierarchical Classification [19.80724112056431]
  マルチモーダル分類のための分類組込み遷移LLM非依存フレームワークを提案する。 MEP-3Mデータセットを用いた評価では,従来のLCM構造と比較して,大幅な性能向上が見られた。
  論文  参考訳（メタデータ） (2025-01-12T14:43:06Z)
• KG-CF: Knowledge Graph Completion with Context Filtering under the Guidance of Large Language Models [55.39134076436266]
  KG-CFはランキングベースの知識グラフ補完タスクに適したフレームワークである。 KG-CFは、LLMの推論能力を活用して、無関係なコンテキストをフィルタリングし、現実世界のデータセットで優れた結果を得る。
  論文  参考訳（メタデータ） (2025-01-06T01:52:15Z)
• Can Large Language Models Serve as Effective Classifiers for Hierarchical Multi-Label Classification of Scientific Documents at Industrial Scale? [1.0562108865927007]
  大規模言語モデル(LLM)は、多ラベル分類のような複雑なタスクにおいて大きな可能性を証明している。 これらの課題を克服するために,LLMの強みと高密度検索手法を組み合わせる手法を提案する。 複数の分野にまたがる大規模プリプリントリポジトリであるSSRNにおいて,本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2024-12-06T15:51:22Z)
• Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
  大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。 生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。 我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
  論文  参考訳（メタデータ） (2024-10-02T20:48:28Z)
• Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
  スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。 我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。 我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
  論文  参考訳（メタデータ） (2024-09-23T12:28:40Z)
• LLM-Based Robust Product Classification in Commerce and Compliance [0.0]
  本研究では,産業分類の現実的な課題を探求し,現実的なデータシミュレーションを可能にするデータ摂動を提案する。 本研究は、文脈内学習を用いたLLMが、クリーンデータシナリオにおける教師ありアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-08-11T22:59:32Z)
• Logistic Regression makes small LLMs strong and explainable "tens-of-shot" classifiers [0.0]
  大規模な商用モデルではなく,小規模でローカルな生成言語モデルを使用することのメリットを,ユーザが享受できることが示される。 プライバシ、可用性、コスト、説明可能性といったこれらのアドバンテージは、商用アプリケーションにおいても、AIの広範な民主化においても重要です。
  論文  参考訳（メタデータ） (2024-08-06T19:23:42Z)
• Can Long-Context Language Models Subsume Retrieval, RAG, SQL, and More? [54.667202878390526]
  長文言語モデル(LCLM)は、従来、検索システムやデータベースといった外部ツールに依存していたタスクへのアプローチに革命をもたらす可能性がある。 実世界のタスクのベンチマークであるLOFTを導入し、文脈内検索と推論においてLCLMの性能を評価するために設計された数百万のトークンを出力する。 以上の結果からLCLMは,これらのタスクを明示的に訓練したことがないにも関わらず,最先端の検索システムやRAGシステムと競合する驚くべき能力を示した。
  論文  参考訳（メタデータ） (2024-06-19T00:28:58Z)
• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning [52.257422715393574]
  本稿では,Large Language Models (LLMs) の自己誘導手法を導入し,オープンソースデータセットからサクラサンプルを自動識別し,選択する。 我々の重要な革新である命令追従困難度(IFD)メトリックは、モデルが期待する応答と本質的な生成能力の相違を識別するための重要な指標として現れます。
  論文  参考訳（メタデータ） (2023-08-23T09:45:29Z)
• Multi-output Headed Ensembles for Product Item Classification [0.9053163124987533]
  本稿では,eコマースカタログを対象としたディープラーニングに基づく分類モデルフレームワークを提案する。 我々は、ロバストな業界標準ベースラインモデルに対する改善を示す。 また,ユーザセッションを用いたモデル性能評価手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T01:23:36Z)

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。