PT
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.
EN
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.
