Skip navigation
User training | Reference and search service

Library catalog

Retrievo
EDS
b-on
More
resources
Content aggregators
Please use this identifier to cite or link to this item:

acessibilidade

http://hdl.handle.net/10071/20252
acessibilidade
Title: Attribute-value inference using deep neural networks
Authors: Ramos, Kevin Almeida
Orientador: Ribeiro, Ricardo Daniel Santos Faro Marques
Oliveira, Sancho Moura
Keywords: Named entity recognition
Information extraction
Neural sequence labeling
Reconhecimento do nome da entidade
Extração de informação
Etiquetagem sequencial neuronal
Issue Date: 4-Dec-2019
Citation: 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>.
Abstract: 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.
Peer reviewed: yes
URI: http://hdl.handle.net/10071/20252
Thesis identifier: 202459985
Designation: Mestrado em Informática e Gestão
Appears in Collections:T&D-DM - Dissertações de mestrado

Files in This Item:
acessibilidade
File Description SizeFormat 
Master_Kevin_Almeida_Ramos.pdf2.92 MBAdobe PDFView/Open


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Currículo DeGóis 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.