婴儿产品安全问题的自动检测
机器学习
2018-07-24 v2 计算与语言
信息检索
机器学习
摘要
每年有数千人遭受与消费产品相关的伤害。研究表明，可以通过处理在线客户评论来自主识别产品安全问题。尽早识别安全问题可以促使更早的产品召回，从而减少伤亡。我们汇编了来自 Amazon.com 的产品评论数据集，以及 \emph{SaferProducts.gov} 的投诉和美国消费品安全委员会 (CPSC) 与欧盟委员会快速预警系统的召回说明。我们构建了一个系统来清洗收集到的文本并提取相关特征。通过随机森林计算特征相关性并丢弃信息增益低的特征来进行降维。我们分析了多种分类器，包括逻辑回归、支持向量机 (SVM)、朴素贝叶斯、随机森林以及集成分类器。对各种特征和分类器组合的实验表明，在检索出的前 50 条评论中，逻辑回归模型达到了 66% 的精确率。该分类器优于相关文献和消费品安全专业人员设定的所有基准。
引用
@article{arxiv.1805.09772,
title = {Auto-Detection of Safety Issues in Baby Products},
author = {Graham Bleaney and Matthew Kuzyk and Julian Man and Hossein Mayanloo and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:1805.09772},
year = {2018}
}
备注
To appear in proceedings of The 31st IEA-AIE 2018, June 25-28, 2018, Montreal, Canada