Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/20252
Autoria: | Ramos, Kevin Almeida |
Orientação: | Ribeiro, Ricardo Daniel Santos Faro Marques Oliveira, Sancho Moura |
Data: | 4-Dez-2019 |
Título próprio: | Attribute-value inference using deep neural networks |
Referência bibliográfica: | RAMOS, Kevin Almeida - Attribute-value inference using deep neural networks [Em linha]. Lisboa: ISCTE-IUL, 2019. Dissertação de mestrado. [Consult. Dia Mês Ano] Disponível em www:<http://hdl.handle.net/10071/20252>. |
Palavras-chave: | Named entity recognition Information extraction Neural sequence labeling Reconhecimento do nome da entidade Extração de informação Etiquetagem sequencial neuronal |
Resumo: | The population’s consumption patterns have changed over the last few years and
e-commerce has been one of the main drivers. The consumer became very demanding
and very knowledgeable about the product and the websites were adapting,
providing more information and improving the filtering system by adding detailed
descriptions of the products and their characteristics. Extracting different characteristics
from thousands of products is a task with a very high cost. In this work,
we created three datasets that were later used by our model with three layers,
CNN-BiLSTM-CRF, to infer values of attributes of previously unknown products
through the description of products. It inferred with 64% of macro average of
f1-score, not being related to the state of the art due to the different context of
the tests. Os padrões de consumo da população alteraram-se nos últimos anos e o e-commerce foi um dos grandes responsáveis. O consumidor tornou-se muito exigente e bastante conhecedor do produto e os websites foram-se adaptando, disponibilizando mais informação e melhorando o sistema de filtragem, adicionando descrições detalhadas dos produtos e as suas características. Extrair diferentes características de milhares de produtos é uma tarefa com um custo bastante elevado. Neste trabalho, criamos três conjuntos de dados que posteriormente foram usados pelo nosso modelo com três camadas, CNN-BiLSTM-CRF, para inferir valores de atributos de produtos anteriormente desconhecidos através da descrição dos produtos. Inferiu com 64% de macro média de f1-score, não sendo relacionável com o estado de arte devido ao contexto dos testes serem distinto. |
Designação do grau: | Mestrado em Informática e Gestão |
Arbitragem científica: | yes |
Acesso: | Acesso Aberto |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Master_Kevin_Almeida_Ramos.pdf | 2,92 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.