零售产品分类：从概率排序到神经网络

食品零售业正通过在消费者决策过程各个阶段创造价值的新方式，加速向数字市场成功渗透。在这一路径中，最重要的必要条件之一是拥有高质量数据以 feeding 数字化转型中的所有流程。但考虑到杂货市场中产品和供应商的多样性，数据质量并不那么显而易见。在杂货行业数字化转型的背景下，\textit{Midiadia} 是一家西班牙数据提供商公司，致力于将零售商产品的数据转化为带有产品标签属性和洞察的知识，即在产品高度分散的动态市场中保持数据质量。目前，他们根据直接从产品标签和包装中提取的信息（文本处理）手动对产品（杂货）进行分类。本文介绍了一种将不断变化的产品目录自动分类为三层食品分类法的解决方案。我们的提案研究了三种不同的方法：基于分数的排序方法、传统机器学习算法和深度神经网络。因此，我们提供了四种不同的分类器，以支持更高效、更不易出错的杂货目录维护，这是该公司的主要资产。最后，我们比较了这三种替代方案的性能，得出结论：传统机器学习算法表现更好，但基于分数的方法紧随其后。