Extraction d'attributs de produit par text mining

Nous décrivons notre travail sur l'extraction de paires d'attributs et de valeurs à partir de descriptions textuelles de produits. L'objectif est d'augmenter les bases de données de produits en représentant chaque produit comme un ensemble de paires attribut-valeur. Une telle représentation est bénéfique pour des tâches où traiter le produit comme un ensemble de paires attribut-valeur est plus utile que comme une entité atomique. Des exemples d'applications incluent la prévision de la demande, l'optimisation de l'assortiment, les recommandations de produits et la comparaison d'assortiments entre détaillants et fabricants. Nous traitons à la fois les attributs implicites et explicites et formulons les deux types d'extractions comme des problèmes de classification. En utilisant des algorithmes d'apprentissage semi-supervisé à vue unique et à vue multiple, nous pouvons exploiter de grandes quantités de données non étiquetées présentes dans ce domaine tout en réduisant le besoin de données initiales étiquetées qui sont coûteuses à obtenir. Nous présentons des résultats prometteurs sur des produits vestimentaires et d'articles de sport et montrons que notre système peut extraire avec précision des paires attribut-valeur à partir de descriptions de produits. Nous décrivons une variété d'applications qui sont construites sur les résultats obtenus par le système d'extraction d'attributs.