基于 BERT 的层次分类模型及其在中文商品分类中的应用
计算与语言
2025-08-26 v1 机器学习
摘要
现有电商平台依赖手动标注进行商品分类，效率低下且一致性差。这些平台常采用层次化结构进行商品分类；然而，很少有研究利用这种层次信息进行分类。此外，考虑层次信息的研究未能 account 各层次类别间的相似性与差异性。本文引入来自京东电商平台（www.JD.com）收集的大型层次化数据集，包含 1,011,450 个商品标题及三级类别结构。通过公开此数据集，我们为研究者和实践者提供了推动商品分类研究与应用的宝贵资源。此外，我们提出一种新颖的层次文本分类方法，基于广泛使用的双向编码器表示转换器（BERT），称为层次化微调 BERT（HFT-BERT）。HFT-BERT 利用 BERT 卓越的文本特征提取能力，在短文本上的预测性能与现有方法相当。值得注意的是，我们的 HFT-BERT 模型在分类较长的短文本（如书籍）时表现突出。
引用
@article{arxiv.2508.15800,
title = {A BERT-based Hierarchical Classification Model with Applications in Chinese Commodity Classification},
author = {Kun Liu and Tuozhen Liu and Feifei Wang and Rui Pan},
journal= {arXiv preprint arXiv:2508.15800},
year = {2025}
}
备注
29 pages, 3 figures, and 8 tables